#CORE-Bench の記事一覧（1）

CORE-Benchとは？AIエージェントが論文を再現する能力を測る新ベンチマークを解説

プリンストン大学の研究チームがAIエージェントの「論文再現能力」を測るベンチマーク「CORE-Bench」を公開しました。最高性能の構成でも最難関レベルの正答率は22%にとどまり、現状のAIエージェントの実力と限界を可視化しています。