Hugging Face Blog·· 1 天前精选AI 评分87
Microsoft 与 Hugging Face 发布 ThinkingBox 智能体评测环境
The Agent Said It Was Done. The Database Disagreed.
AI 导读
Microsoft 与 Hugging Face 发布 ThinkingBox 及 ThinkingBox-Bench，通过隔离的 MCP 工具会话、终端后端状态和副作用评估 AI 智能体。
推荐理由
ThinkingBox 将智能体评测从对话质量推进到终端状态和副作用，并用 20 次重复运行区分偶尔成功与持续可靠。
来源：Hugging Face Blog · huggingface.co