2本の記事で説明した語です。文脈ごとに言い方が変わるので、記事ごとにそのまま並べます。
1回の試行で課題を解けた割合。
自由に直させると9割が文言いじり Microsoftが道具とループに手を入れさせる2026年8月26日
非公開テストを全部通したかを0か1で数える指標です。部分点はありません
公開テストは96.64%通る それでもエージェントは科学のコードを半分も直せない2026年8月22日
用語集へ戻る