最終スコアを超えて：長時間AI研究開発のためのエージェントの体系的な評価

arXiv cs.AI ・ 2026-08-13

原題: Beyond Final Scores: A Systematic Evaluation of Agents for Long-Horizon AI Research and Development

AI による要約

長時間のAI研究開発のためのエージェントの評価方法を提案した。最終スコアだけでなく、エージェントの行動とパフォーマンスを評価するためのフレームワークを提案した。さらに、エージェントの評価結果も報告した。

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。