#benchmarks

AlphaDiana発表、検証可能な推論タスクにおけるエージェント測定システム

アルファダイアナ (AlphaDiana) は2026年10月15日(現地時間)、検証可能な推論タスクにおけるエージェントの測定システムを発表した。このシステムは、推論モデルとそれを組織するハーネスの性能を理解するために設計され、実行条件と結果、挙動、リソース使用の関連付けを可能にする。データセット、エージェント、環境、および評価器のためのモジュラーインターフェースが特徴である。