SWE-Skills-Benchの記事一覧

SWE-Skills-Benchに関する使い方、比較、注意点を個人開発者目線で整理します。

• AIエージェントのベンチマーク完全ガイド：SWE-benchだけでCodexの実力は分からない理由

  SWE-bench、Dialogue SWE-Bench、SWE-Skills-Bench、MarketBench、TerminalWorld、OSWorld、AgentHarmを分けて読み、Codexに任せる範囲と人間確認の残し方を整理します。

• Agent Skillsは本当に効く？SWE-Skills-Benchから見るスキル注入の限界

  SWE-Skills-Benchをもとに、AGENTS.md、Claude Code Skills、手順書を増やす時の効果測定、token overhead、version mismatchのリスクを整理します。