Stripeは、AIエージェントがバックエンド、フロントエンド、ブラウザベースのチェックアウトワークフロー全体で実際のStripeインテグレーションを構築できるかどうかを評価するためのベンチマークスイートを導入します。この研究は、本番環境に近い制約下でのエージェンティックシステムにおける実行、テスト、検証のギャップに焦点を当て、エンドツーエンドのソフトウェアエンジニアリング能力を調査します。Leela Kumiliによる