EvalEval

RESEARCH / 04

英AI安全研究所がEvalEval基盤で評価結果を公開 — 5ベンチマーク・6モデルの検証済みデータを再現可能に

UK AISIとEvalEval Coalitionの連携による再現可能な評価報告の取り組みを一次情報中心に整理。Every Eval Everスキーマ、5ベンチマークと6モデルの公開データ、推論計算量と評価プロトコルの論文を扱う。