标签： 可靠性

AI资讯

微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI Agent 打分

微软与 Hugging Face 联合发布 ThinkingBox，一个按「留下的记录」而非「生成的句子」给 AI Agent 打分的评测基准，现已通过 Hugging Face 提供。它覆盖 507 个有状态业务流程，每个任务在干净后…