Hugging Face Blog·· 3 小时前精选AI 评分80
微软与 Hugging Face 发布 ThinkingBox：按数据库终态评测 AI 智能体
The Agent Said It Was Done. The Database Disagreed.
AI 导读
微软与 Hugging Face 联合发布 ThinkingBox 智能体评测框架与 ThinkingBox-Bench 基准，通过检查智能体留下的数据库终态和副作用来评分，而非仅看工具调用或回复。
推荐理由
原文给出了基于数据库终态而非工具调用的评测方法，并附有成本与一致性数据，读者可据此评估智能体可靠性。
来源：Hugging Face Blog · huggingface.co