Research Lab
ランキングは「誰が強いか」を、Labは「なぜか」を答える。
独立研究 / データ駆動 / オープン検証 / ゼロスポンサー
研究ハイライト
動態語境減衰
制約は複数ラウンドの対話でどう忘れられるのか？R1で理解を確認してからR3で完全に妥協するまでの減衰曲線を定量化。「約束したが覚えていない」実態を解明。
否定ウィンドウ
「引用違反」と「実行違反」を区別する判定技術。モデルが「Xは提供しません」と言う場合、否定文脈でのX出現は違反としない。実際に実行した場合のみ減点。
ゼロAI審査
なぜルールベース判定がAI判定より信頼できるのか？WDCDはキーワードマッチング＋正規表現ルールで100%監査可能・再現可能。「AIがAIを評価する」循環依存を排除。
研究記事
REPORT
4大モデル翻訳対決：第45週品質評価、gpt-o3が8.7点でトップ
11-02
REPORT
WDCD Run #406：Gemini 3.1 Proがネガティブ減衰でトップ、15モデル平均は9.3%低下
11-01
REPORT
WDCD Run #400：全15モデルで指示忘却ゼロを達成、GLM-4.6が96.2点でトップ
10-28
REPORT
5大モデル翻訳対決：第44週品質評価、deepseek-v4-proが8.7点でトップ
10-26
REPORT
WDCD Run #390：15モデルの平均指示劣化率が-60%を記録、GPT-6 Lunaが満点でトップ
10-21
REPORT
4大モデル翻訳対決：第43週品質評価、gpt-o3が8.7点でトップ
10-19
私たちはいかなるAI企業からも資金を受けていません。「タイアップ評価」「スポンサーレポート」「事前打ち合わせ」は一切ありません。YZ指数のすべてのスコアはシステムが算出したものであり、交渉の産物ではありません。