Hugging Face Blog·· 1 天前精选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，它不检查智能体生成的句子或工具调用，而是校验其在隔离 MCP 会话后留下的后端终态与副作用，并让每个任务重复运行 20 次。
推荐理由
原文给出 507 个有状态工作流、20 次重复与终态校验的设计，读者可据此重估自家智能体评测口径。
来源：Hugging Face Blog · huggingface.co