MicrosoftとHugging Face、ThinkingBoxを公開：データベースの最終状態でAIエージェントを採点

入選の記録

入選二回の合計 133 ≥ 基準の 2 倍 120

情報源の区分

公式・一次情報、この区分の基準は 60 点

予備審査

通過：评测AI Agent数据库状态与一致性基准

推薦理由

MicrosoftとHugging Faceが共同で公開したエージェント評価ベンチマーク。回答テキストではなくデータベースの最終状態で成否を判定し、20回繰り返した場合のコスト比較も示す。

採点はモデルが同じ基準で独立に二回行い、満点は 100。二回の合計が基準の 2 倍に届いたものだけが入選します。基準は情報源の区分ごとに決めています。