ai-driven-dev-wiki
Search
Search
Dark mode
Light mode
Explorer
評価
91 items with this tag.
Oct 16, 2026
Better Harness
エージェントツーリング
コーディングエージェント
ハーネスエンジニアリング
評価
オープンソース
Oct 16, 2026
adlc-team-skills
エージェントスキル
エージェント型エンジニアリング
仕様駆動開発
sdlc
評価
Oct 16, 2026
エージェント型プルリクエストはなぜマージまたは却下されるのか? 実証研究
コーディングエージェント
コードレビュー
評価
実証研究
Oct 16, 2026
ソフトウェア開発におけるバイブコーディング:多声的文献レビュー
バイブコーディング
評価
ガバナンス
人間と-ai-の協働
サーベイ
Oct 16, 2026
UniToolCall:LLM エージェントのためのツール利用の表現・データ・評価の統一
エージェント
ツール利用
評価
ベンチマーク
ファインチューニング
Oct 16, 2026
大規模言語モデルに基づくコード生成タスクの三次レビュー:動向、課題、今後の方向性
コード生成
三次レビュー
評価
ベンチマーク
ソフトウェアエンジニアリング
Oct 16, 2026
SWE-Bench Pro: AI エージェントは長期的なソフトウェアエンジニアリングタスクを解けるか?
評価
コーディングエージェント
llm
ソフトウェアエンジニアリング
Oct 16, 2026
SWE-chat: 実環境における実ユーザーとコーディングエージェントのインタラクション
コーディングエージェント
評価
バイブコーディング
人間による監督
セキュリティ
Oct 16, 2026
SWE-Compass: 大規模言語モデルのエージェント型コーディング能力の統一的評価に向けて
評価
エージェント
ベンチマーク
Oct 16, 2026
SWE-bench-java:Java 向けの GitHub イシュー解決ベンチマーク
ベンチマーク
評価
コーディングエージェント
ソフトウェアエンジニアリング
Oct 16, 2026
SWE-bench Multimodal:AI システムは視覚的なソフトウェア領域に汎化するか?
ベンチマーク
評価
コーディングエージェント
マルチモーダル
Oct 16, 2026
SWE-Bench+:LLM 向けの強化版コーディングベンチマーク
ベンチマーク
評価
コーディングエージェント
Oct 16, 2026
質問応答からタスク完遂へ:エージェントシステムとハーネス設計に関するサーベイ
エージェントアーキテクチャ
評価
ベンチマーク
コンテキストエンジニアリング
サーベイ
Oct 16, 2026
SWE-agent:エージェント・コンピュータ・インターフェースが自動ソフトウェアエンジニアリングを可能にする
エージェント
コーディングエージェント
llm
ソフトウェアエンジニアリング
評価
Oct 16, 2026
SWE-bench:言語モデルは現実の GitHub イシューを解決できるか?
評価
エージェント
llm
コーディングエージェント
ソフトウェアエンジニアリング
Oct 16, 2026
StruQ:構造化クエリによるプロンプトインジェクションへの防御
llm
セキュリティ
プロンプトインジェクション
エージェント安全性
評価
Oct 16, 2026
Spec Kit Agents:コンテキストに根ざしたエージェント型ワークフロー
仕様駆動開発
エージェント
エージェントアーキテクチャ
評価
Oct 16, 2026
SkillsBench:多様なタスクにおける Agent Skills の有効性のベンチマーク
エージェントスキル
ベンチマーク
評価
Oct 16, 2026
OpenHands:汎用エージェントとしての AI ソフトウェア開発者のためのオープンプラットフォーム
エージェント
コーディングエージェント
llm
ソフトウェアエンジニアリング
評価
オープンソース
Oct 16, 2026
Multi-SWE-bench:イシュー解決のための多言語ベンチマーク
評価
コーディングエージェント
llm
ソフトウェアエンジニアリング
強化学習
Oct 16, 2026
2025 年初頭の AI が経験豊富なオープンソース開発者の生産性に与える影響の測定
ai-支援プログラミング
コーディングツール
評価
Oct 16, 2026
MCPToolBench++: 大規模な AI エージェント向け Model Context Protocol(MCP)ツール利用ベンチマーク
ベンチマーク
評価
ツール利用
mcp
Oct 16, 2026
MarsCode Agent:AI ネイティブな自動バグ修正
コーディングエージェント
プログラム修復
マルチエージェント
評価
Oct 16, 2026
MASAI:ソフトウェアエンジニアリング AI エージェントのためのモジュラーアーキテクチャ
コーディングエージェント
エージェントアーキテクチャ
ソフトウェアエンジニアリング
評価
Oct 16, 2026
LoopsBench:コーディングエージェント評価におけるハーネスエンジニアリングからループエンジニアリングへ
ベンチマーク
評価
コーディングエージェント
ループエンジニアリング
Oct 16, 2026
LiveCodeBench:コード向け大規模言語モデルの包括的で汚染のない評価
ベンチマーク
コード生成
評価
データ汚染
Oct 16, 2026
エージェントのツールを作る LLM エージェント
エージェント
ツール利用
ベンチマーク
評価
Oct 16, 2026
ヒューマン・イン・ザ・ループ型ソフトウェア開発エージェント
コーディングエージェント
人間による監督
マルチエージェント
評価
Oct 16, 2026
AI エージェントを契約に根ざさせる:仕様駆動のテスト生成の実証評価
仕様駆動開発
エージェント
評価
Oct 16, 2026
ソフトウェアエンジニアリングにおける LLM から LLM ベースのエージェントへ:現状、課題、将来に関するサーベイ
エージェント
サーベイ
評価
Oct 16, 2026
FeatureBench:複雑な機能開発におけるエージェント型コーディングのベンチマーク
ベンチマーク
評価
コーディングエージェント
Oct 16, 2026
ポジション:コーディングベンチマークはエージェント型ソフトウェアエンジニアリングと噛み合っていない
ベンチマーク
評価
エージェントハーネス
測定妥当性
Oct 16, 2026
コードレビューエージェント・ベンチマーク
コードレビュー
評価
エージェント
コーディングエージェント
Oct 16, 2026
AutoCodeRover:自律的なプログラム改善
エージェント
コーディングエージェント
ソフトウェアエンジニアリング
評価
Oct 16, 2026
Agentless:LLM ベースのソフトウェアエンジニアリングエージェントを解き明かす
エージェント
コーディングエージェント
llm
ソフトウェアエンジニアリング
評価
Oct 16, 2026
大規模言語モデルによるエージェント型ソフトウェアイシュー解決:サーベイ
エージェント
サーベイ
評価
強化学習
Oct 16, 2026
エージェント型コーディングと専門性がもたらす持続的なリターン
エージェント型コーディング
評価
人間と-ai-の協働
Oct 16, 2026
LLM ベースのエージェントの評価に関するサーベイ
エージェント
評価
ベンチマーク
Oct 16, 2026
LLM 以前と LLM 時代におけるコードレビューのベンチマークと評価手法のサーベイ
コードレビュー
評価
llm
サーベイ
Oct 16, 2026
価値を考慮したエージェント評価
評価
ベンチマーキング
エージェントアーキテクチャ
デプロイ
Oct 16, 2026
信頼に足ることの次元
エージェント
エージェント型エンジニアリング
評価
ガバナンス
Oct 16, 2026
解答リーク
ベンチマーク
評価
Oct 16, 2026
pass@k
エージェント評価
評価
Oct 16, 2026
pass^k
エージェント評価
評価
Oct 16, 2026
出力の検証可能性
エージェント型-ai
sdlc
評価
産業での導入
Oct 16, 2026
インフラストラクチャノイズ
評価
ベンチマーク
エージェント型コーディング
Oct 16, 2026
ジャギッド・インテリジェンス
llm
用語
評価
人間による監督
Oct 16, 2026
ハーネスエンジニアリング
エージェントアーキテクチャ
評価
エージェントツーリング
Oct 16, 2026
証拠中心の検査
エージェント
人間による監督
コードレビュー
評価
Oct 16, 2026
デジタルツイン・ユニバース
コーディングエージェント
エージェント
評価
検証
エージェントツーリング
Oct 16, 2026
データ汚染
ベンチマーク
評価
Oct 16, 2026
クリティックモデル
コーディングエージェント
検証
評価
Oct 16, 2026
合成的信頼性
エージェント
評価
長期タスク
Oct 16, 2026
コードレビュータスク分類法
コードレビュー
評価
llm
Oct 16, 2026
振る舞いのドリフト
エージェント
評価
ガバナンス
Oct 16, 2026
振る舞い評価
評価
ハーネスエンジニアリング
エージェントアーキテクチャ
Oct 16, 2026
エージェントネイティブ・トレーニング
エージェントアーキテクチャ
トレーニング
評価
エージェント状態
Oct 16, 2026
Agent as a Judge
エージェント
コードレビュー
評価
Oct 16, 2026
TM-Bench
ベンチマーク
評価
ツール利用
Oct 16, 2026
Terminal-Bench
評価
エージェント
Oct 16, 2026
SWE-Compass
評価
エージェント
コーディングエージェント
ベンチマーク
Oct 16, 2026
SWE-Bench Pro
評価
コーディングエージェント
ソフトウェアエンジニアリング
Oct 16, 2026
SWE-Bench
評価
エージェント
コーディングエージェント
リーダーボード
Oct 16, 2026
SWE-bench-java-verified
ベンチマーク
評価
コーディングエージェント
ソフトウェアエンジニアリング
Oct 16, 2026
SWE-bench Lite-S
評価
コーディングエージェント
ソフトウェアエンジニアリング
Oct 16, 2026
SWE-bench Multimodal
ベンチマーク
評価
コーディングエージェント
マルチモーダル
Oct 16, 2026
SWE-Bench+
ベンチマーク
評価
コーディングエージェント
Oct 16, 2026
SkillsBench
エージェントスキル
ベンチマーク
評価
Oct 16, 2026
ProjectDev
ベンチマーク
評価
コード生成
マルチエージェント
Oct 16, 2026
Multi-SWE-bench
評価
コーディングエージェント
ソフトウェアエンジニアリング
Oct 16, 2026
LiveCodeBench
ベンチマーク
コード生成
評価
データ汚染
Oct 16, 2026
LoopsBench
ベンチマーク
評価
コーディングエージェント
ループエンジニアリング
Oct 16, 2026
MCPToolBench++
ベンチマーク
評価
ツール利用
mcp
Oct 16, 2026
FeatureBench
ベンチマーク
評価
コーディングエージェント
Oct 16, 2026
c-CRAB
コードレビュー
評価
エージェント
コーディングエージェント
Oct 16, 2026
AACR-Bench
コードレビュー
ベンチマーク
評価
Oct 16, 2026
エージェントのための効果的なツールを書く — エージェントとともに
ツール利用
評価
コンテキストエンジニアリング
エージェントツーリング
Oct 16, 2026
最近の Claude Code の品質に関する報告についての最新情報
claude-code
anthropic
コーディングツール
評価
Oct 16, 2026
Evals で Agent Skills を体系的にテストする
エージェントスキル
評価
コーディングエージェント
Oct 16, 2026
エージェント型コーディング評価におけるインフラストラクチャノイズの定量化
評価
ベンチマーク
エージェント型コーディング
Oct 16, 2026
AI が生成したコードの検証を学習する
コーディングエージェント
検証
評価
Oct 16, 2026
StrongDM の AI チームはコードを見ることすらせずに本格的なソフトウェアをどう構築しているか
コーディングエージェント
エージェント
コードレビュー
検証
評価
Oct 16, 2026
私たちはマルチエージェントのリサーチシステムをどう構築したか
エージェントアーキテクチャ
評価
コンテキストエンジニアリング
エージェントツーリング
Oct 16, 2026
長時間稼働するアプリケーション開発のためのハーネス設計
エージェントアーキテクチャ
評価
長期タスク
エージェントツーリング
Oct 16, 2026
AI エージェントの評価をわかりやすく解説する
エージェント評価
評価
Oct 16, 2026
Agent Skills で知識のギャップを埋める
エージェントスキル
コンテキストエンジニアリング
評価
エージェントツーリング
Oct 16, 2026
Claude のためのセーフガードの構築
エージェント安全性
評価
セキュリティ
Oct 16, 2026
ハーネスエンジニアリングの解剖学:AI コーディングエージェントをどう評価し、反復し、守るか
評価
ハーネスエンジニアリング
エージェント
エージェントアーキテクチャ
Oct 16, 2026
AI フレンドリーなアーキテクチャ:DevOps プラットフォームとプラットフォームエンジニアリングで AI 自動プログラミングを後押しする
コーディングエージェント
コンテキストエンジニアリング
エージェントツーリング
ガバナンス
評価
Oct 16, 2026
コーディングエージェントの実行過程を検証する Agent as a Judge をフィードバックループに導入する
エージェント
コードレビュー
評価
Oct 16, 2026
Claude Code チームの Cat と Thariq とのファイアサイドチャット
コーディングエージェント
エージェント
プロンプトエンジニアリング
コードレビュー
評価
エージェント安全性