#agent evaluation のAIニュース

14件の記事

LangChain、リポジトリ文脈とトレースから評価を構築するスキル

LangChain は、リポジトリの文脈と実行トレースを活用して評価（Eval）を構築するエンジニアリングスキルを発表した。これにより、AI アプリケーションの品質検証が効率化される。

LangChain がエンジン評価のための新しいベンチマーク「IssueBench」を発表した。これは開発者が AI エンジンの性能を客観的に比較・検証するためのツールである。

AI エディタ「Cursor」の性能を評価するベンチマークテスト「CursorBench」がバージョン 3.1 に更新された。このアップデートにより、コード生成やデバッグ能力に関する新たな評価基準が導入され、開発者の生産性向上に寄与する可能性が示されている。

LangChain が、エージェントの評価を一元化するための新しいプラットフォーム「Harbor」との連携を発表し、開発者がエージェントのパフォーマンスを効率的に検証できる環境を提供する。