AutomationBench

何を測るか

同一の公式私有テスト集合の設定のみを比較します。

ランキングでの扱い

出典を調査中です。自動収集・ランキングへの加点はまだ行いません。

比較の限界

Fable 5.1 と Opus 5 の混合行は除外。公開問題群を私有ランキングと同一視しません。

出典・利用条件

評価結果の再表示・再配布条件は未確認です。コードや問題集のライセンスを結果の許諾に置き換えません。

Zapier による成績です。元の点数は尺度が異なるため単純加算せず、固定の基準尺度で比較します。