微软 ThinkingBox 评测智能体：不看工具调用，只看数据库终态
The Agent Said It Was Done. The Database Disagreed.
- 谁
- microsoft
- 做了什么
- 发布ThinkingBox智能体评测基准
发生了什么
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再对终态后端状态和副作用做可执行检查，而非只看最终回复或工具调用是否合法。
推荐理由
微软与 Hugging Face 联合发布的智能体评测，用 507 个有状态工作流和 20 次重复运行，把关注点从工具调用转向数据库终态。
继续阅读
最新日报 · 第 24 期NVIDIA 与 AI4Bharat 推出 Nemotron-pretraining-Indic-v1 及开放数据生成流水线正在热议
明早 08:00 把这样一份日报发到你邮箱
和上面这份一样：几件值得看的事。免费，点确认信之后才会开始发送，每封信都能一键退订。 看一份往期日报 · 2026-10-17