モデル評価
AIEZZのツールタグ
「モデル評価」タグのAI製品を閲覧中。5件の検索結果があります。
2026年AI小説執筆ソフト最新レビュー：FeelFish 4.0AIプログラミングFeelFish 4.0は、AI大規模言語モデルをプロジェクトを理解する執筆チームへと変える、プロフェッショナル向け小説執筆ソフトです。章、プロット、キャラクター、設定を含む構造化されたプロジェクト管理を提供し、インテリジェントコンテキストによって長編創作の論理的一貫性を保ちます。カスタマイズ可能なマルチエージェント協業、デスクトップとスマートフォンによるリモート操作、クラウドドライブ同期とローカル・タイムマシンによる原稿保護にも対応。Web小説や脚本などの長編クリエイターに、完全な人間とAIの共同執筆ワークフローを提供します。00
LMArenaAIツールボックスLMArenaは、カリフォルニア大学バークレー校の学術チームが主導する、コミュニティ主導の人工知能モデル評価プラットフォームです。2つの身元を隠したモデルに同じ質問への回答を生成させ、ユーザーが回答の品質に基づいて投票し、その後にモデルの正体を確認するという流れを中心としています。投票結果とチェスに似たEloレーティングの仕組みに基づいて動的なランキングを作成し、テキストや画像などのタスクに対応しています。人工知能の研究者、開発者、技術愛好家、モデルを横断的に比較したい一般ユーザーに適しており、研究用のオープンデータセットも提供しています。ただし、ランキングは実際のユーザーの好みや特定タスクでの性能を反映するものであり、業務要件、コスト、安定性に関する個別のテストに代わるものではありません。048
PAST-BenchAIエージェントPAST-Benchは、プリンストン大学の王夢迪チームが開発したベンチマークテストで、個人AIエージェントの再帰的な自己改善能力を検証します。PAST-Benchは、記憶がある場合とない場合のタスク実行結果を比較することで、判...00
E-Bench – Tencent Hunyuanなどが提供するエージェント評価ベンチマークAIモデル評価E-Benchは、Tencent Hunyuanチームが清華大学AIR、東南大学と共同で提供する、複数ステップのツール利用評価ベンチマークです。『王者栄耀』、『QQ音楽』、『Tencent Meeting』を基に完全合成の仮想環境を構築し、323件の状態変更タスクと7.6万件を超えるデータを収録しています。情報ギャップとツールギャップによる二重の非対称設計を通じて、モデルが自ら情報を収集し、複数ステップのツール呼び出しを組み立てる能力を評価します。決定論的なデータベース状態diffによる採点を採用しているため、結果は安定して再現可能です。AIエージェントの研究者やモデル開発者を対象とし、費用対効果の高いモデルの特定を支援するとともに、汎用エージェント評価標準の確立を促進します。00
Gemini 3.7 FlashAIプログラミングGemini 3.7 Flashは、Google DeepMindが開発した次世代の主力AIモデルです。CodingとAgentワークフロー向けに設計され、ソフトウェアエンジニアリング、Web開発、企業自動化などのベンチマークで大幅に性能を向上させています...00このタグが付いたすべてのツールを表示しています。