本記事では、LLMの実利用とベンチマーク評価の間にあるズレに注目した研究を紹介します。評価指標の多くは技術系タスクを前提に設計されていますが、実際の業務ではもっと多様な使い方がされています。 調査では、よく使われるタスク … 続きを読む LLMベンチマークは現場の実用性を捉えているか？モデルを選ぶ前に確認したい評価スコアの盲点