Hugging Face Blog·· 8 天前精选AI 评分80
微软与 Hugging Face 联合发布 ThinkingBox 智能体基准
The Agent Said It Was Done. The Database Disagreed.
AI 导读
微软与 Hugging Face 联合发布 ThinkingBox 智能体基准，通过隔离的 MCP 工具会话运行智能体，对后端终态和副作用打分而非只看生成文本，并在 507 个有状态业务流程上每个任务重复运行 20 次。
推荐理由
微软联合 Hugging Face 发布 ThinkingBox 智能体基准，按后端终态而非生成文本打分并重复 20 次，给出可靠性与成本对比。
来源：Hugging Face Blog · huggingface.co