#Code Arena

「Code Arena」タグの記事1本

タグの記事

「Code Arena」タグが付いた記事を新しい順に表示します。

机に座った小さなロボットがマウスとキーボードでボクセルゲームを遊び、横のチェックリストに合格と不合格の印が並ぶ
AI性能

生成コードは読まずに遊んで採点、Arenaの新しいAI評価手法

生成アプリはAIエージェントが実際に操作し、その記録を審判モデルが評価。Gemini 3 Flashの人間の投票との一致率は65.6%から69.1%に向上。壊れた要件の検出はコードだけ読む方式より約8から14ポイント高い。ソースなしでも報酬モデルは69.0%、コードありの69.7%に接近。対話型アプリの採点はコード審査ではなくサンドボックスで実行して記録。

新しい記事をRSSとポッドキャストで受け取る

RSSリーダーにはRSSのURLを、ポッドキャストアプリにはポッドキャストのURLを登録すると、新しい記事が公開されるたびに受け取れます。ポッドキャストでは見出しと要点を音声で聞けます。

購読方法を見る