← 国内ニュースに戻る SWE-Bench Proから作る3ログ評価ハーネス 中級 Zenn LLM 2026-07-09T04:13:51 約1分 編集メモ: SWE-Bench Proを活用したエンジニアリング評価ハーネスの構築は、自社開発のAIモデルやコーディング支援ツールの性能を定量的に測定し、改善サイクルを回すために必須の知識です。 あわせて読む プロンプトエンジニアリングは「ハーネス設計」になりつつある 1日前 AIコーディング時代のハーネス設計の試み ── AIを信頼するのではなく、自分を信頼するためのケーススタディ（その2） 2日前 Agent Skills自動最適化の研究、中身はほぼ深層学習の訓練ループだった 1日前 ゴールデンデータセットを作ろうとして、自分のRAGが破綻していたことに気づいた 1日前 Claude Code の Opus 4.8 court-loop を Stopフックで自動回復する（＋崩れたときだけ予防する二段構え） 22時間前 Grok 4.5・GPT-5.5・Claude Opus 4.8／Fable 5に同じアプリを作らせてレイテンシとコストを測定した結果、勝ったAIはどれか？ 2時間前 ← 前のニュース社内のWindows環境で「数百のAIエージェント」を隔離実行 NVIDIAとMicrosoftが共同開発したデスクサイドマシンの全容 次のニュース →Claudeに「良かれと思って」直させたら、逆に壊れた話 - Gmail OAuth連携のキャッシュ共有バグ調査記 元記事を読む → 𝕏 B! LINE 🔗 コピー
