「AgentSWE」ベンチマーク、コーディングエージェントの信頼性不足を指摘
agentry.newsは2026年10月20日(現地時間)、新しい研究ベンチマーク「AgentSWE」が主要なコーディングエージェントの評価結果を公開したと報じた。この評価では、25の現実世界のソフトウェアタスクに対し、どのコーディングエージェントも要件に合致する信頼性の高いエージェントを確実に提供できなかったことが明らかになった。研究者らは、自然言語の仕様から信頼性の高いソフトウェアエージェントを構築する能力を測定するためにAgentSWEを設計したと説明している。