https://derekwang2002.github.io/ai-intelligence/projects/thinkingbox/ AI 模型、Agent、工程与基础设施的重要变化，附一手来源与建议等级。 zh-CN Mon, 02 Nov 2026 16:56:00 GMT https://derekwang2002.github.io/ai-intelligence/events/ev-20261003-02/ ev-20261003-02-published Sun, 04 Oct 2026 16:02:19 GMT 新事件 TRIAL <p>Microsoft 与 Hugging Face 已把 ThinkingBox 接入 OpenEnv。它包含 507 个有状态业务工作流，每个模型运行 20 次，并直接检查数据库终态和副作用，而不是相信 agent 的文字汇报。代码与数据已公开，common-set 分析覆盖 121,680 次有效试验。</p><p><strong>为什么读：</strong>ThinkingBox 直接核验数据库终态，暴露 transcript grader 看不到的静默失败。</p><p>建议等级：TRIAL</p><p>来源：<a href="https://huggingface.co/blog/microsoft/thinkingbox">Microsoft and Hugging Face: ThinkingBox</a> · <a href="https://github.com/microsoft/thinkingbox">Microsoft ThinkingBox</a> · <a href="https://github.com/microsoft/thinkingbox-data/releases/tag/thinkingbox-bench-v1.0">ThinkingBox Bench v1.0 data</a></p>