メインコンテンツへスキップ
MMLU
記事を書く
AIモデルの性能を客観的に比較するためのベンチマークや評価指標について解説しています。 MMLUなどの代表的なテストの仕組みや、スコアの限界、最新の評価手法に関する記事が集まっています。
AIモデルの性能を客観的に比較するためのベンチマークや評価指標について解説して…
もっとみる
人気
新着
392
件
最新AI Chinchillaの詳解
¥
100
platypus2000jp
2週間前
platypus2000jp
「AIのベンチマーク」とは?スコアは何の点数?どこまで上がれば十分?12個の"問題集"を、元の論文で全部たしかめてみた
¥
300
よはく
4日前
よはく
MMLUは、モデルの幅広い知識をどう測るか
塩川大雅|AI研修・AIエージェント導入支援
7日前
塩川大雅|AI研修・AIエージェント導入支援
nanochat#9 会話の教え方は、8個のトークンだった
えむしん
2か月前
えむしん
AIのスコア表を読む。59.4%は、選ばれた138問の監査結果
Hide@ひとり、プロダクション。
2週間前
Hide@ひとり、プロダクション。
AIベンチマークは「何を測っているのか」——スコアの正体を分解してみる
スノーフレイク・コンサルティング合同会社
2か月前
スノーフレイク・コンサルティング合同会社
どうやってAIの"賢さ"を測っているのか?ベンチマークという物差し
KG|ドメイン特化ローカルLLM
3か月前
KG|ドメイン特化ローカルLLM
AIの「成績表」ってどうなってる?私が知った、賢さを測る『テスト』の正体
no_code_oji
3か月前
no_code_oji
GPT-5.5の衝撃|AIが「20時間ひとりで働く」時代に突入|Claude Opus撃破・ハルシネーション60%減の真実【2026年4月最新】
ひで|AI時短ツール
6か月前
ひで|AI時短ツール
AI の評価が新しい計算ボトルネックになっている
株式会社AI Shift
5か月前
株式会社AI Shift
【AIが平気で💩嘘をつくのは、育て方の失敗というお話】
LocaLab.
4か月前
LocaLab.
DeepSeek v4は本当に凄いのか?中国AI最新鋭モデルの実力を徹底検証
さやさや
6か月前
さやさや
Gemma4-12BにはAgentSkillsでweb_searchスキルが入れられます。つまり知識の足りない部分はネットを使って補うだけなのです
R連続体
5か月前
R連続体
【緊急検証】AIに「あなたはプロ」とおだてると逆効果!?最新研究で判明した「褒めて伸びない」AIの意外な真実
¥
100
Akira
6か月前
Akira
GPT-5の全機能レビュー|文章・推論・コーディング・画像を実際に使って徹底検証
世界のトレンドを届ける人
6か月前
世界のトレンドを届ける人
【AI未来予測】測れない知性:ベンチマーク崩壊後のAI評価|次元ラボ
次元ラボ
6か月前
次元ラボ
ローカルLLM完全比較ガイド2026|Gemma 3/4・Qwen 3をMac/Windowsで動かす
AI秘書ミーナとミツル
7か月前
AI秘書ミーナとミツル
AIは「ベンチマーク」から「街角」へ── Andon Caféが示す、社会実装フェーズの現在地
たー
6か月前
たー
AIに「あなたは〇〇の専門家です」といった指示は低品質になる話
成幸@WordPressカスタマイズ
7か月前
成幸@WordPressカスタマイズ
【AI最新情報】Google I/O 2026——GeminiがOSに溶け込む時代
Thy works|AIの今と使い方を毎日届ける
6か月前
Thy works|AIの今と使い方を毎日届ける
Apple Intelligenceのことを復習してみる
濱口貴光@AIとデータサイエンスが好きな薬剤師
7か月前
濱口貴光@AIとデータサイエンスが好きな薬剤師
【AIスキル検定】Benchmark(ベンチマーク)テストの本来の目的とは
¥
300
KaTeLa
5か月前
KaTeLa
GPT-5.5 vs Claude Opus 4.7 APIコスト完全比較2026年4月:企業導入の損益分岐点
¥
980
しおどめ
5か月前
しおどめ
DeepSeek-V4はかなり良い。日本語も自然になった。それでも私はGPT 5.5 Thinkingを手放せない
鴻鵠
6か月前
鴻鵠
カーパシーがAnthropicへ!Claudeの「自己進化」ロードマップと2026年末AGI実現の可能性
カイ
5か月前
カイ
GPT-5.5で「1人フリーランス」が最強になる時代が来た|副業・個人事業主が今すぐやるべき3つのこと
ゆーすけ|人生×AI×副業
6か月前
ゆーすけ|人生×AI×副業
Alibabaの新世代スパースMoEモデル「Marco-Nano」と「Marco-Mini」を徹底解説!効率と多言語性能の革命は他のモデルの作り方を変えるんだろうか?
ゆいまる‐IT界隈以外でAIを使いまくる2005年生まれ
7か月前
ゆいまる‐IT界隈以外でAIを使いまくる2005年生まれ
DeepMindのAGI測定フレームワーク——認知5軸でベンチマーク合戦が終わる3条件
こうき|20代役員のAI活用
5か月前
こうき|20代役員のAI活用
2,340億ドルの差: 米国が中国の15倍を投資してもベンチマークで並ばれる「AI投資効率ショック」
岡田 樹瑠(たつる)
6か月前
岡田 樹瑠(たつる)
【2026年版】中国製AIってどうなの?性能、コスト、そして私たちが知っておくべき「3つの判断基準」
Miccell(ミクセル) / 人生を楽しむ仕組みを作る
9か月前
Miccell(ミクセル) / 人生を楽しむ仕組みを作る
AIの『性格』はベクトルで動かせる / Anthropicが見つけた人格の神経地図
おおいし|AIで思考を守り、仕事を動かす
6か月前
おおいし|AIで思考を守り、仕事を動かす
最高得点を、誰も読まない
じょうじ
6か月前
じょうじ
UIB:不確実性志向型知性の評価フレームワーク(6) 評価が変われば知性が変わる ――UIBの先にあるもの
加納 智之 | AI・共鳴・創発・哲学・倫理・詩学
8か月前
加納 智之 | AI・共鳴・創発・哲学・倫理・詩学
「あなたは専門家です」──その一文がAIを劣化させる
情報の灯台
7か月前
情報の灯台
1.15GBのLLMがスマホで動く。「1-bit Bonsai」を聞いて、エッジAIの現実を考えた
CatWorker
7か月前
CatWorker
「あなたは優秀な数学者です」で数学が解けなくなる件
はまち
7か月前
はまち
MiniMax M2.7 GGUFの実務インパクト
AI活用ラボ Go!
7か月前
AI活用ラボ Go!
2026年春・ローカルLLMで今起きていること——話題のモデル・ツール・活用事例を総まとめ
どこかのITコンサルタント事務所の経営者
7か月前
どこかのITコンサルタント事務所の経営者
【技術解説】シリコンバレー「テックブロ」文化の技術的構造と実装パターン — AI Deep Dive 2026年04月09日
¥
300
AI最新News
7か月前
AI最新News
削げども宿る知性、あり──Ternary Bonsai 1.58ビット、老中たちの物申す
¥
100〜
割引あり
老中たちの物申す
7か月前
老中たちの物申す
シンギュラリティは「火曜日」にやってくる──加速しているのは機械ではなく、私たちだった
Curio-city Fukuoka Koji
9か月前
Curio-city Fukuoka Koji
LLMの価格は本当に崩れている――下がっているのは「トークン単価」ではなく「知能の呼び出し価格」だ
ジョシュ
7か月前
ジョシュ
Apple Intelligence は「登場時」と別物になっていた——2024→2026の技術的差分
野崎秀吾
7か月前
野崎秀吾
OpenAI、GPT-5.5を4月23日にリリース——SWE-bench 88.7%・幻覚60%減もClaudeに7カテゴリ全敗
ttfre
6か月前
ttfre
「あなたは専門家です」って書くと、AIはバカになる。——研究が証明した"ペルソナの罠"
小畑タカユキ|AI×Web制作@大阪
7か月前
小畑タカユキ|AI×Web制作@大阪
賢いAIは"悪人"ではなく"混乱者"だ|Hot Mess論文解説
非エンジニアのAI活用|みさき
7か月前
非エンジニアのAI活用|みさき
AIは「議論のルール変更」に対応できない——フラニーテストが暴いた、大規模言語モデルの構造的限界
Franny
7か月前
Franny
データの「何を学ぶか」を動的に最適化する?北京大学らが示したLLM学習の新常識
Flecto
7か月前
Flecto
もっとみる
もっとみる
急上昇
1
ゴジラ-0.0
2
Claude Fable 5.2
3
PDF教材
4
PowerShell
5
30 MUSIC CHALLENGE
もっとみる
やってみた
note公式SNS
noteの使い方
運営会社
採用情報
利用企業一覧
✕