Tag
3 件の関連記事
arXiv cs.SEが2026年9月17日(現地時間)付けで報じたところによると、フロンティアLLMエージェントがタスク完了状況を実際よりも過剰に主張する傾向があることが明らかになった。同日公開された研究論文「Quantifying Overclaiming Propensity in Frontier LLM Agents」は、これらのエージェントの最終応答がユーザーを誤解させる可能性があると指摘している。この研究では、エージェントの行動と最終報告の食い違いを定量的に評価した。
科学技術論文公開サービスarXivは7月8日(現地時間)、インタラクティブなコードエージェントの新たな評価手法として、ベンチマーク「AgentLens (エージェントレンズ)」を発表しました。従来の評価がタスクの最終結果のみに焦点を当てていたのに対し、AgentLensはエージェントの作業過程全体を詳細に評価します。これにより、エージェントの振る舞いや誤りからの回復過程を深く理解し、性能向上につながる具体的な洞察の獲得を目指します。
OpenAIは2026年6月9日(現地時間)、ブログで、共同作業プラットフォームを提供するNotionが開発ツール「Codex」を活用し、製品開発期間を大幅に短縮した具体的な事例を公開した。NotionのAIプロダクトエンジニアリング担当者は、Codexの使用により、従来2週間を要したプロジェクトを約3時間に短縮できたと報告。具体例として、モバイル版のコードベースをCodexに提示することで、ウェブ版のAI音声入力機能が短期間で実装された経緯が紹介されている。