次回の更新記事：【論文著者監修・コメント】AIエージェントへの人間…（公開予定日：2026年07月27日）

記事一覧

CogBias：大規模言語モデルにおける認知バイアスの測定と軽減

2026.04.04

GPT-OSSとの調和：OpenAIのスコア再現への道

2026.04.04

CliffSearch：科学的アルゴリズム発見のための理論とコードにまたがる構造化されたエージェント共進化

2026.04.04

YC-Bench：長期計画と一貫性実行のためのAIエージェントベンチマーク

2026.04.04

SkillTester：エージェントスキルの実用性と安全性を測るベンチマーク

2026.04.04

LLMルーティングによるプライバシー保護とトークン削減：プロンプトとコンテキスト処理の新戦略

2026.04.04

LLMの推論における表面的なヒューリスティクスが暗黙の制約を無視する問題

2026.04.04

AEC-Bench：建築・エンジニアリング・建設分野におけるエージェントシステムのマルチモーダルベンチマーク

2026.04.04

BenchScope：ベンチマークはいくつの独立したシグナルを提供しているか？

2026.04.04

SkillReducer：LLMエージェントのスキルをトークン効率のために最適化

2026.04.04

PeopleSearchBench：AI人材検索プラットフォームを多角的に評価するベンチマーク

2026.04.04

Red-MIRROR：反省的検証と知識拡張型インタラクションを備えた、エージェント型LLM基盤の自律的ペネトレーションテスト

2026.04.04

エッジAIの持続可能性：性能、エネルギー、プライバシーのトレードオフを定量化

2026.04.04

RACE-bench：リポジトリレベルのコードエージェントの推論能力を測る新たなベンチマーク

2026.04.04

SWE-PRBench：AIコードレビューの品質をプルリクエストのフィードバックと比較評価

2026.04.04

MemoryCD：LLMエージェントの長期コンテキストユーザー記憶能力をベンチマークし、生涯にわたるクロスドメインのパーソナライズを実現

2026.04.04

AI論文作成の品質とリスクを測る：論文再構築評価フレームワーク

2026.04.03

帰属理論に基づく推論における社会的バイアス評価のための日本語ベンチマーク

2026.04.03

エッジLLM推論：持続的負荷下におけるモバイル、NPU、GPUの性能効率トレードオフ

2026.03.27

空間を制するは思考：マルチモーダル大規模言語モデルはメンタルナビゲーションできるか？

2026.03.27

Copyright © Parks, Inc. All rights reserved.