Hugging Face Blog·· 16 小时前精选AI 评分82
Microsoft 与 Hugging Face 发布 ThinkingBox：基于后端状态与一致性的 AI Agent 评测基准
The Agent Said It Was Done. The Database Disagreed.
AI 导读
Microsoft 联合 Hugging Face 推出 ThinkingBox-Bench，通过检查 AI 智能体在 507 个有状态业务工作流中留下的数据库终态和副作用来评估其表现，而非仅看生成的文本或工具调用。
推荐理由
原文提出以数据库终态和20次重复一致性评估智能体，揭示了单次成功率与可靠性的巨大差距及成本影响。
来源：Hugging Face Blog · huggingface.co