OpenHands：AIソフトウェアエージェントのためのオープンプラットフォームと、それが財務自動化に意味すること
OpenHandsのCodeActエージェントはSWE-Bench Liteで26%を記録し、AIエージェントが今日確実にできることを示す。財務自動化は自律型ではなく、狭い範囲から始めるべきだ。
#open-source
オープンソース
WebArena: Webエージェントの真の能力と限界を測定する812タスクのベンチマーク
GPT-4はWebArenaの812ウェブタスクのわずか14.41%を完了、人間は78.24%。エージェントはタスクを不可能と誤って宣言して失敗することが多い。
TableLlama: 7Bのオープンモデルはテーブル理解においてGPT-4に匹敵するか？
TableLlamaは列型注釈でGPT-4に勝利（F1 94対32）するが、WikiTQの合成的推論では33ポイント劣る。
SWE-agent: インターフェース設計がいかに自動化ソフトウェアエンジニアリングを解禁するか
SWE-agentのAgent-Computer InterfacesはGPT-4 Turboを生のシェルからSWE-benchで12.47%に引き上げ、インターフェース設計だけで10.7ポイントの向上をもたらしました。