ベンチマーク– tag –
-
［ニュース解説］Anthropicがドローン操縦AIを検証——新ベンチマーク「Drone-Bench」で見えた進化と限界
はじめに Anthropicは2026年7月24日、パートナーのAndon Labsと共同で、AIモデルがドローンを自律操縦できるかを検証した研究「Project Pilot」を発表しました。本稿では、新設のベンチマーク「Drone-Bench」の内容と、各社モデルの評価結果について解説... -
［開発者向け］KaggleのAIベンチマーク作成が、ローカル環境とAIエージェントに対応
はじめに Kaggleが2026年6月4日、AIベンチマーク作成プラットフォーム「Kaggle Benchmarks」のローカル開発対応を発表しました。これまでWebブラウザ上の専用エディタのみで行っていた評価タスクの作成が、VSCodeやCursorなど使い慣れた開発環境やAIコー... -
［開発者向け］Kaggle「Community Benchmarks」が示すAI評価の新たな方向性
はじめに Googleが運営するデータサイエンスプラットフォームKaggleが2026年1月14日、AIモデルの評価を民主化する新機能「Community Benchmarks」を発表しました。本稿では、この発表内容をもとに、AIモデル評価における課題と、コミュニティ主導型評価... -
［開発者向け］AIの「思考力」を測る新たな物差し：古典的テキストゲームを利用したベンチマーク
はじめに 本稿では、最新の大規模言語モデル（LLM）の能力を評価する新しいアプローチとして、古典的なテキストアドベンチャーゲームが注目されている現状について解説します。 参考記事 タイトル： Classic text games are the new frontier for AI ben...
1