Hugging Face Blog·· 4 октябряГлавноеОценка AI87
Microsoft и Hugging Face выпустили ThinkingBox для оценки надежности AI-агентов
The Agent Said It Was Done. The Database Disagreed.
Кратко от AI
Microsoft и Hugging Face совместно опубликовали ThinkingBox — бенчмарк для оценки AI-агентов。
Почему это важно
Microsoft и Hugging Face представили ThinkingBox, оценивающий AI-агентов по реальному изменению состояния базы данных, а не по количеству вызовов инструментов.
Источник:Hugging Face Blog · huggingface.co