ページを読み込み中…
ページを読み込み中…
3件の記事
Cline は Kimi K3 の性能を最適化し、1 ショットでの再帰的自己改善により Terminal-Bench 2.1 で SOTA を達成した。
Scale Labs は、より困難なタスクを含む次世代エージェント評価ベンチマーク「TERMINAL-BENCH 3.0」を発表し、AI エージェントの能力向上に向けた課題を提供した。
サンドボックス環境でAIエージェントを評価するフレームワーク「Harbor」についての勉強会を開催し、その概要と関連リソースを紹介しました。