MiniMaxオープンソースの新ベンチマークセット：コーディングエージェントの実運用レベルの標準を定義する

MiniMaxは、次世代コーディングエージェント評価セットであるOctoCodingBenchをオープンソース化しました。これは、評価の焦点を「正しい結果」から「プロセス標準への準拠」へと初めて移行させたものです。この評価セットは、チェックレベルの精度とインスタンスレベルの成功率という2つの指標を用いて、命名規則、セキュリティルール、チームコラボレーション標準といったプロセス制約へのAIプログラミングアシスタントの準拠能力を体系的に評価します。