【 Breaking News 】ARC-AGI-3 リリース：最先端 AI のスコアは人間の 1% 未満
2026 年 3 月 25 日、AI の能力評価を手がける非営利団体 ARC Prize Foundation が、新し…
続きを読む »
2026年4月10日（金）
2025年12月9日（火）
Poetiq AI、既存モデルを活用し ARC-AGI-2最高精度の 54% を記録
6人の研究者とエンジニアで構成されるスタートアップ Poetiq AI が、2025年12月5日に ARC-AGI-2 …
続きを読む »
2025年11月13日（木）
最先端 AI エージェントでも実業務の自動化は 2.5% のみーScale AI の新しいベンチマークが示す現実
Scale AI と Center for AI Safety が共同開発した新しいベンチマーク「Remote Labo…
続きを読む »
2025年9月30日（火）
LMArena に対抗、 Scale AI が実ユーザーベースの評価プラットフォームを公開
Scale AI は 2025 年 9 月 22 日、大規模言語モデル（ LLM ）の新しい評価プラットフォーム「 SE…
続きを読む »
2025年7月25日（金）
ARC Prize財団が新ベンチマーク「ARC-AGI-3」のプレビュー版を公開
ARC Prize 財団は 2025 年 7 月 18 日、新しい AI 評価用ベンチマーク「 ARC-AGI-3 」の…
続きを読む »
2025年5月22日（木）
OpenAI、医療分野における AI 評価の新基準「 HealthBench 」を発表
OpenAI は 2025 年 5 月 12 日、医療分野における AI システムの性能と安全性を評価するための新しいベ…
続きを読む »
2025年4月18日（金）
2025年4月15日（火）
OpenAI、AI の web 検索能力を評価する「BrowseComp」ベンチマークをオープンソースで公開
OpenAI は 2025 年 4 月 10 日、AI エージェントがインターネット上の見つけにくい情報を探し出す能力を…
続きを読む »
2025年3月26日（水）
ARC-AGI-2：AI の推論能力を評価する新しいベンチマーク
ARC Prize Foundation は AI の推論能力と効率性を測る「ARC-AGI-2」ベンチマークを発表しま…
続きを読む »
2025年1月30日（木）
No Image
Scale AIとCAISが「Humanity’s Last Exam」を発表 – AIモデルの知識と推論能力を極限まで試す新ベンチマーク
米スタートアップのScale AI と Center for AI Safety （ CAIS ）が共同開発した新たな …
続きを読む »