AI レポート · Stanford HAI · 2026-09-25 · ブログ・論評

AIを採点するテストは誤った評価をしているかもしれない

原題: The Tests That Grade AI May Be Getting It Wrong | Stanford HAI

AIモデルの安全性や推論能力を測る「ベンチマーク」は、投資や規制の判断に使われている。スタンフォード大学の新たな研究は、ベンチマークが主張する内容を測れていないことが多いと指摘する。研究成果は10月にサンフランシスコで開催される言語モデリングの国際会議で発表される予定である。