論文・研究

Microsoft ThinkingBoxがHugging Faceで公開、データベースの最終状態と20回の反復評価でエージェントを評価

原題:The Agent Said It Was Done. The Database Disagreed.

AI 要約

MicrosoftとHugging FaceはエージェントサンドボックスThinkingBoxとベンチマークThinkingBox-Benchを公開した。507のステートフルな業務ワークフローを対象に、各タスクを20回実行し、最終的なデータベース状態と副作用を実行可能な判定基準とする。現在はOpenEnvを通じてHugging Face上で実行できる。

要点

  • MicrosoftとHugging FaceはエージェントサンドボックスThinkingBoxとベンチマークThinkingBox-Benchを公開した。
  • 507のステートフルな業務ワークフローを対象に、各タスクを20回実行し、最終的なデータベース状態と副作用を実行可能な判定基準とする。
  • 現在はOpenEnvを通じてHugging Face上で実行できる

概要

公開日時
更新日時
出典
Hugging Face 社区博客(混合发现)
カテゴリ
論文・研究
AI スコア
65
原文を読む 情報源で全文を読む
おすすめの理由

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。

関連エンティティ

出典と著作権

本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。

原文記事 · AIHOT 記事

引用方法

本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。

Orange News:Microsoft ThinkingBoxがHugging Faceで公開、データベースの最終状態と20回の反復評価でエージェントを評価。2026年10月4日。https://new.nat6.net/ja/news/gqh4yclcjmaci6uhur56580uh/

すべて見る →