Microsoft ThinkingBox auf Hugging Face veröffentlicht: Bewertung von Agenten anhand des Datenbank-Endzustands und 20 Wiederholungen
Originaltitel:The Agent Said It Was Done. The Database Disagreed.
KI-Zusammenfassung
Microsoft und Hugging Face haben die Agent-Sandbox ThinkingBox und den Benchmark ThinkingBox-Bench veröffentlicht. Er umfasst 507 zustandsbehaftete Geschäftsworkflows mit 20 Läufen pro Aufgabe; ausführbare Bewertungskriterien sind der endgültige Datenbankzustand und Nebenwirkungen. Die Sandbox ist jetzt über OpenEnv auf Hugging Face verfügbar.
Kernpunkte
- Microsoft und Hugging Face haben die Agent-Sandbox ThinkingBox und den Benchmark ThinkingBox-Bench…
- Er umfasst 507 zustandsbehaftete Geschäftsworkflows mit 20 Läufen pro Aufgabe
- ausführbare Bewertungskriterien sind der endgültige Datenbankzustand und Nebenwirkungen.
- Die Sandbox ist jetzt über OpenEnv auf Hugging Face verfügbar.
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- Hugging Face 社区博客(混合发现)
- Kategorie
- Papers & Forschung
- KI-Bewertung
- 65
原文用数据库终态加 20 次重复评测智能体,给出一致性保留率、失败签名和可复现的运行方式,值得关注记录型工作流的可靠性评估。
Verwandte Entitäten
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: Microsoft ThinkingBox auf Hugging Face veröffentlicht: Bewertung von Agenten anhand des Datenbank-Endzustands und 20 Wiederholungen. 4. Oktober 2026. https://new.nat6.net/de/news/gqh4yclcjmaci6uhur56580uh/