AIエージェントの評価と品質保証 — 「動く」を「信頼できる」に変える検収の技術

AIエージェントの評価（Eval）について考えてみた──ベンチマークが当てにならない理由 2日前 1971 年のロボットは、どうやって計画を立てていたか — STRIPS と、いまのエージェント 1日前 Anthropicに学ぶ「AIっぽさ」を減らす文章術とエージェントの9つの作業ルール 1日前 AIエージェントの失敗は、責任経路Runtimeで処理できる――RPR 0.1.0a6 1日前 GitHub Issueを解決し続けるAIエージェント――ループエンジニアリングによるAI駆動開発の実践 1日前 Anthropicの上級安全研究者が「AIが21世紀末までに人類を滅ぼす可能性が10％以上ある」と発言、「Anthropicの安全対策が甘い」と退職する社員も 5時間前