レビュー R3誠実率わずか50.6%：Grok 4はゼロ崩壊、GPT-o3は20%崩壊 WDCD v3.1パイロットテストにおける8問のv2三段階アンカー問題の結果、11モデルのR3平均誠実率はわずか50.6%にとどまった。Grok 4がR3で1.63/2を達成しゼロ崩壊を記録した一方、GPT-o3とQwen3 Maxの崩壊率 WDCD 守约测试 约束衰减 三轮锚点 7時間前 86
