1. 実PRでAIコーディングエージェントを比較する新ベンチマーク

    [AI]

    実際のプルリクエスト25件を使い、AIコーディングエージェントの性能を評価する新ベンチマーク「octobench」を紹介した。公開済みテストの汚染や採点の偏りを避け、各プロジェクトのテストで判定する設計という。