微软发布ThinkingBox，按数据库状态评估AI智能体

微软推出ThinkingBox基准，通过检查智能体在507个有状态业务流程中留下的后端数据库状态和副作用来评分，而非仅看生成的文本或工具调用，并要求每个任务重复运行20次以检验一致性，该基准已通过Hugging Face和OpenEnv开放。

• AI悖论需护栏而非恐慌2026-09-26
• 奥特曼称AI奇点已至并称对世界极好2026-10-05
• Hugging Face CEO不支持国会为失控AI立新规2026-10-04
• Hugging Face发布多框架RL训练指南2026-10-04
• AI IPO热潮背后：巨额亏损与零分红2026-10-03