微软与Hugging Face发布ThinkingBox评测基准
热点事件观察中
微软与Hugging Face发布ThinkingBox评测基准
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
微软 Copilot Studio 团队与 Hugging Face 联合发布智能体评测基准 ThinkingBox，并已连同测试框架和数据集上线 Hugging Face。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 会话结束后留下的后端终态与副作用，每个任务重复运行 20 次。 发布的适配器用于评测；非基准场景可在训练流程中使用同一接口。该基准在 Linux 和 WSL 上测试，需 Python 3.11+、uv 和 Docker。ThinkingBox 代码采用 MIT 许可，基准数据采用 CDLA-Permissive-2.0，OpenEnv 环境采用 OpenEnv 的 BSD-3-Clause 许可。
AI 根据报道生成 · 1 小时前更新
最新进展10月4日 06:56
微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分报道时间线
沿着报道，了解事件的不同侧面。
10月4日
- Hugging Face Blog精选微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。