ThinkingBox TRIAL

ThinkingBox 直接核验数据库终态与副作用，公开 harness 已足够进入重复性试验。

建议动作一天内选 10 个工作流各跑 5 次，对比 pass@1、数据库终态和多余副作用。

判断复核于 2026-10-05 · 依据：Microsoft 开放 ThinkingBox，用数据库终态核验 agent