热点事件持续更新
ThinkingBox评测智能体后端状态可靠性
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年10月4日，Hugging Face Blog发布由Microsoft与Hugging Face开展的ThinkingBox评测。与仅检查回复和工具调用不同，该评测关注AI智能体运行后留下的后端终态与副作用。基准覆盖507个有状态业务流程，并针对不同LLM模型将每项流程独立运行20次，以考察重复运行时的状态可靠性。评测结果中，约79.9%的失败被归类为工具处理问题，显示相关问题主要集中在工具处理环节。
AI 根据报道生成 · 23 小时前更新
最新进展10月4日 06:56
ThinkingBox覆盖507个有状态业务流程，约79.9%的失败涉及工具处理。报道时间线
沿着报道，了解事件的不同侧面。
10月4日
- Hugging Face Blog精选ThinkingBox 评测 AI 智能体留下的终态与重复可靠性
Microsoft 与 Hugging Face 通过 ThinkingBox 评测 AI 智能体留下的后端终态与副作用，而非仅检查回复和工具调用。基准覆盖507个有状态业务流程，每项针对不同 LLM 模型独立运行20次；约79.9%的失败被归为工具处理问题。
本事件热度走势
当前热度 5·可比范围峰值 10（10月4日 08:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。