热点事件持续更新
微软与Hugging Face联合推出AI智能体评测基准ThinkingBox
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月4日，微软与Hugging Face联合推出AI智能体评测基准与沙盒ThinkingBox。该基准通过检验任务执行后的后端数据库终态与实际副作用，评估模型在真实业务流程中的有效性与重复可靠性。ThinkingBox涵盖507个有状态业务工作流，并对每个任务独立重复运行20次。测试结果显示，约80%的任务失败源于工具调用而非推理问题。目前，相关环境与数据集已在Hugging Face开源。
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联合推出ThinkingBox评测基准并已在Hugging Face开源。报道时间线
沿着报道，了解事件的不同侧面。
10月4日
- Hugging Face精选微软联合 Hugging Face 推出 ThinkingBox 基准：基于数据库终态检验智能体可靠性
微软与 Hugging Face 联合推出 AI 智能体评测基准与沙盒 ThinkingBox，通过检验任务执行后的后端数据库终态与实际副作用，评估模型在真实业务流程中的有效性与重复可靠性。该基准涵盖 507 个有状态业务工作流并对每个任务独立重复运行 20 次，测试发现约 80% 的任务失败源于工具调用而非推理问题，目前相关环境与数据集已在 Hugging Face 开源。
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。