AI×経営戦略9/24（木）AI開発エージェント、本番推論の壁を可視化推論サーバー開発をAIエージェントに任せられるかを測る新ベンチマーク「SWE-Serve」が公開された。最良構成の平均正答率は75%だが、E2Eテストを加えると合格率は大きく下がった。
AI×経営戦略7/5（日）AIテスト自動化の精度を測る新指標登場米研究チームが、ソフトウェアのコード変更とテストの連動進化を実行可能な形で評価する新ベンチマーク「TestEvo-Bench」を発表した。AI活用による開発品質管理の信頼性向上に直結する成果として注目される。
