⌘ K
… 读取采集状态 同步中...
雷
原文
AI HOT· [email protected] (Hugging Face:Blog)·· 9 天前精选AI 评分79

Microsoft ThinkingBox 在 Hugging Face 上发布,以数据库终态和 20 次重复评测智能体

AI 导读

Microsoft 与 Hugging Face 发布智能体沙箱 ThinkingBox 和基准 ThinkingBox-Bench,现可通过 OpenEnv 在 Hugging Face 上运行。该基准覆盖 507 个有状态业务工作流,每任务运行 20 次,以终端数据库状态和副作用作为可执行判定依据,报告 pass@1、pass@20 及 20/20 全通过率。

推荐理由

原文给出了数据库终态判定与 20 次重复一致性指标,为记录型智能体提供了可复现的可靠性评估方法。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:AI HOT · aihot.news