HuggingFace blog · 3 октября 2026, 22:56
Microsoft представила ThinkingBox для проверки агентов
Новый инструмент оценивает ИИ-агентов не по тексту ответов, а по реальным изменениям в базе данных и состоянии системы. Исследования показали, что даже при правильных вызовах инструментов до 77% агентов оставляют некорректные данные.
Коротко о новости
Microsoft представила новый инструмент ThinkingBox, предназначенный для тестирования ИИ-агентов. В отличие от обычных методов, этот сервис оценивает не текстовые ответы, а реальные изменения в базах данных и состоянии систем. Исследования показали, что даже при корректных вызовах инструментов до 77% агентов оставляют некорректные данные. Инструмент проверяет стабильность работы, заставляя агента выполнять одну и ту же задачу 20 раз подряд. Сейчас ThinkingBox доступен через платформу Hugging Face.
Полный текст
на сайте huggingface.co