AIエージェント

SWE-benchはGitHubの実際のissueをAIに解かせ、テストで解決率を測るベンチマークです。判定の仕組み、VerifiedとLiteの違い、数字を読むときの3つの注意を整理します。

AIエージェントの「メモリ」とは何か。コンテキストウィンドウとの違い、スレッド内で完結する短期記憶とスレッドをまたぐ長期記憶の線引き、意味記憶・エピソード記憶・手続き記憶の使い分けを整理しました。

AIエージェントが外部ツールを使う土台となるファンクションコーリングを整理しました。モデルが返すのは実行結果ではなく呼び出しの申告であり、実際に動かすのは自分のコードだという分担を、一次情報をもとに解説します。