返回首页
RadarAI··论文与技术

Microsoft ThinkingBox 在 Hugging Face 上发布,以数据库终态和 20 次重复评测智能体

中文摘要

微软发布ThinkingBox智能体沙箱与基准,利用507个有状态工作流及20次重复评测,通过数据库终态验证智能体执行效果。

English Summary

Microsoft released ThinkingBox, a sandbox and benchmark using 507 stateful workflows and 20-run evaluations to assess AI agent performance via final database states on Hugging Face.

原文节选

Microsoft 与 Hugging Face 发布 ThinkingBox 智能体沙箱与 ThinkingBox-Bench 基准,覆盖 507 个有状态业务工作流、每任务运行 20 次,以终局数据库状态和副作用作可执行判定,现可通过 OpenEnv 在 Hugging Face 上运行。