2026 年第 40 周 · 09.28 — 10.04AI · 每周综述每周一出刊
AI 周报 · 2026 年第 40 周 · 09.28 — 10.04
MYHOT
第 1 期402026 年第 40 周09.28 — 10.04
2026 年全年 1 期
1件大事1条精选1期日报约 1 分钟读完
本期导读
微软发布智能体终态评测框架
本期（2026-09-28 至 2026-10-04）AI 动态集中在智能体评测与工具链方向。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，而非依据模型生成的语句，为智能体能力评估提供了以数据库终态为准的新思路。
智能体评测转向终态
本版导读微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，其核心变化在于评测依据的转移：不再看模型自述或生成语句，而是在隔离的 MCP 工具会话中运行智能体，按终端后端状态和副作用打分。这一设计把评估锚定在可验证的实际结果上，有助于减少模型自我报告带来的偏差，为智能体在真实工具环境中的表现提供更客观的衡量方式。
微软 ThinkingBox 发布：按数据库终态而非模型自述给 AI 智能体打分
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。