Microsoft ThinkingBox 已在 Hugging Face 上发布，以数据库终态和 20 次重复来评测智能体。
Microsoft 与 Hugging Face 发布了 ThinkingBox 智能体沙箱和 ThinkingBox-Bench 基准。该基准覆盖 507 个有状态业务工作流，每个任务运行 20 次，并以最终数据库状态和副作用作为可执行判定。它现在可通过 OpenEnv 在 Hugging Face 上运行。
Microsoft ThinkingBox 在 Hugging Face 上发布，以数据库终态和 20 次重复评测智能体
Microsoft 与 Hugging Face 发布 ThinkingBox 智能体沙箱和 ThinkingBox-Bench 基准，覆盖 507 个有状态业务工作流，每任务运行 20 次，以最终数据库状态和副作用作可执行判定，并可通过 OpenEnv 在 Hugging Face 上运行。
对 FDE 而言，这类以终局数据库状态和副作用判定、且重复运行的有状态业务工作流评测，可用于验证和交付企业 AI 智能体；相关沙箱与基准在 Hugging Face 上开放运行，可能影响 FDE 的项目评测、能力验证与企业交付实践。