8月 11 2026 0 行政向けLLM評価フレームワーク「Grip on LLMs」：価値観からベンチマークへ 投稿者: ユウ TL;DR オランダ・アムステルダム市が開発した「Grip on LL…
8月 09 2026 0 LLMがPythonを選びすぎる問題を測るベンチマーク「LANGCHOICEBENCH」 投稿者: ユウ TL;DR LLMはプロジェクト生成時にPythonを過剰に選ぶ傾向が…
8月 07 2026 0 国家标准文書レビューをLLMで自動化するGB/T-BenchとGB/T-Reviewer 投稿者: ユウ TL;DR GB/T-Benchは、中国の国家標準文書（GB/T）のレ…
7月 31 2026 0 PRとIssueのズレを自動検出：PaiCheckerでSWE-benchの信頼性を高める 投稿者: ユウ TL;DR SWE-bench系ベンチマークでは、PRとIssueの対…