Hugging Face Blog·· 3 小时前精选AI 评分71
微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
The Agent Said It Was Done. The Database Disagreed.
AI 导读
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再按终端后端状态和副作用判定成败，而非看模型生成的文字。
推荐理由
微软与 Hugging Face 联合发布的智能体评测基准，用后端状态而非模型自述来判定成败，并给出可复现的 OpenEnv 运行方式。
来源：Hugging Face Blog · huggingface.co