[논문리뷰] One Success Isn't Reliability: Thinkingbox, a Sandbox and Benchmark for Agents in Stateful Business Workflows본 논문은 기존의 에이전트 벤치마크가 복잡한 비즈니스 환경에서의 신뢰성을 충분히 평가하지 못한다는 문제를 제기합니다 . 많은 연구가 단일 호출의 적절성이나 코드 실행 결과만을 평가하는 데 치중되어 있어, 다중 턴 상호작용이나 상태 변화가 수반되는 실무적 업무의 복잡성을 간과하고 있습니다.#Review#LLM Agents#Stateful Business Workflows#Benchmark#Sandbox#Tool-Agent-User Interaction#Reliability#Executable Evaluation2026년 8월 24일댓글 수 로딩 중