ThinkingBox发布AI Agent状态一致性基准

2026年10月4日，Microsoft 与 Hugging Face 在 Hugging Face 上发布 ThinkingBox 智能体沙箱与 ThinkingBox-Bench 基准，并开放使用。该基准覆盖 507 个有状态业务工作流，每个任务运行 20 次，以终局数据库状态和副作用作为可执行判定，而非评估智能体生成的文字；据发布方称，其考察智能体能否连续 20 次稳定完成任务。发布信息显示，ThinkingBox 代码采用 MIT 许可，基准数据采用 CDLA-Permissive-2.0，OpenEnv 环境采用 OpenEnv 的 BSD-3-Clause；公开基准中的每个任务均为合成重建。该环境现可通过 OpenEnv 在 Hugging Face 上运行。

AI 根据报道生成 · 59 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。