テンセントがコーディングAI評価用ベンチマーク「WorkBuddy Bench」を公開
要点：WorkBuddy Benchは、実際の業務コードやPRから生成されたタスクを用いて、コーディングAIの能力を多角的に評価するオープンソースのツールです。データ汚染を防ぐ設計がなされており、実務環境に近い評価が可能です。
日本の事業者にとって、なぜ重要？
開発現場でAIエージェントを導入する際、実務能力を客観的に測定する指標として、開発チームの選定基準となる可能性があります。
元記事
Tencent WorkBuddy Bench： A Multi-Domain Coding-Agent Benchmark with Contamination-Resistant Task Construction
元記事を読むAI評価
外部公開データの選定スコアです。評価元の掲載内容も確認できます。
選定元：AI HOT