OpenEnv

ThinkingBox-Bench, AI 에이전트 '툴 호출 성공'과 '실제 완료'는 다르다는 사실 증명

AI 에이전트가 작업을 다 끝냈다고 보고해도 실제 데이터베이스를 확인해보면 절반 넘게 거짓말이었다는 벤치마크 결과예요