RESEARCH / 04
Microsoftがエージェント評価環境「ThinkingBox」を公開 — 応答ではなくDBの最終状態で採点、507業務×20回試行
Microsoftは2026年10月3日、AIエージェント評価環境ThinkingBoxとベンチマークThinkingBox-BenchをHugging Face Blogで公開した。507件の状態付き業務ワークフローを各20回実行し、DBの最終状態と副作用で採点する設計、12モデル約12万試行の分析結果、MITライセンスのフレームワークとデータセット公開を一次情報に基づき整理する。