Hugging Face Blog·· 12 天前
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，通过隔离的 MCP 工具会话运行智能体，再对终端后端状态和副作用做可执行检查，而非只看回答文本或工具调用是否合法。
入选记录
门槛 60官方一手第一次 71第二次 62
入选两次之和 133 ≥ 门槛的两倍 120
- 信源等级
- 官方一手，这一级的门槛是 60 分
- 预筛
- 通过：评测AI Agent数据库状态与一致性基准
- 推荐理由
- 微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非回答文本判定成败，并给出 20 次重复下的成本对比。
评分由模型按同一份标准独立打两次，满分 100；两次之和达到门槛的两倍才入选。门槛按信源等级设定。
来源：Hugging Face Blog · huggingface.co