热点事件持续更新
Microsoft与HF发布ThinkingBox基准测试
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月4日，Microsoft 与 Hugging Face 发布 ThinkingBox 沙箱及 ThinkingBox-Bench 基准，用于评测 Agent 在真实业务场景中的成效。该基准包含 507 个有状态业务工作流，每个任务独立运行 20 次，评分方式为可执行检查，重点考察 Agent 留下的终端数据库状态和副作用，而非工具调用过程或最终回复。报道未提及此前的相关进展或与早先报道存在矛盾之处。
AI 根据报道生成 · 2 小时前更新
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Microsoft 与 Hugging Face 发布 ThinkingBox，以数据库终态评测 Agent 真实成效
Microsoft 与 Hugging Face 发布 ThinkingBox 沙箱和 ThinkingBox-Bench 基准，通过 507 个有状态业务工作流、每个任务独立运行 20 次，用可执行检查评分 Agent 留下的终端数据库状态和副作用，而非工具调用或最终回复。
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。