Microsoft 开源 ThinkingBox 沙箱及基准

2026 年 10 月 4 日，Microsoft 与 Hugging Face 联合发布了 ThinkingBox 沙箱环境及配套基准 ThinkingBox-Bench，现可通过 Hugging Face 和 OpenEnv 访问。该基准旨在通过终端状态检查评估 AI Agent 的可靠性。 在技术实现上，ThinkingBox-Bench 接入 OpenEnv 接口，每完成一个回合即返回二进制的通过或失败奖励。官方指出，发布的适配器专为评估设计；对于非基准场景，可使用相同接口进行训练工作流，但二者功能定位不同。

AI 根据报道生成 · 13 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。