実用ワークフローでLLMエージェントを評価するStartupBench

arXiv cs.AI ・ 2026-08-18

原題: StartupBench: Benchmarking General-Purpose Agents on Market-Validated End-to-End Workflows

AI による要約

実用的なAI製品の市場検証済みワークフローに基づくLLMエージェントベンチマークStartupBenchを発表した。H100/B200 GPU上のGEMMとアテンションタスクで、最先端ライブラリとの性能比較を実施した結果、全モデルが一貫した競争力を示せなかった。

この要約は当サイトの AI が生成したものです。正確な内容は元記事（arXiv cs.AI）をご確認ください。