Hugging Face Blog·· 2 小时前精选AI 评分62
微软 ThinkingBox 发布：按数据库终态而非模型自述给 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打分，而非看模型生成的语句。
推荐理由
微软与 Hugging Face 联合发布的智能体评测基准，用数据库终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