Hugging Face Blog·· 4 小时前AI 评分57
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
微软与 Hugging Face 联合发布 ThinkingBox 与 ThinkingBox-Bench，在 507 个有状态业务流程上每个任务用多种 LLM 重复跑 20 次，只按智能体留下的后端终态与副作用评分，而非它生成的文本。
来源：Hugging Face Blog · huggingface.co