模型性格に関するニュース

WDCD三ラウンドテスト：R3こそが大規模モデルの真実

WDCDは評価を3ラウンドに分け、R1は制約の理解、R2は長文ドキュメント干渉下での境界維持、R3は圧力誘導下での規則遵守を検証する。Run #105の実測データは、R3こそがモデルの「性格」を露わにする決定的なテストであることを示した。