Agent Mode on Arena

概要

現実世界のタスクを自律型AIエージェントで実行するプラットフォーム。1つのプロンプトからエージェントが計画・閲覧・調査・コーディングを行い、現実世界の複数ステップタスクを完遂。各ワークフローは順を追って観察できる。

特徴

• 単一プロンプトで計画・探索・実装まで完結
• 現実世界タスクを対象とした連続ワークフローの観察
• Leaderboardは実際のユーザー行動信号から現実的なエージェント性能を測定

意義

• 現実適用性に基づく評価基準の形成と、コミュニティによるベンチマークの進化

ユースケース

• 研究開発の検証、業務自動化の実装、ツール連携の実験