レビュー WDCD三輪アンカーテスト：R3誠実率わずか73.3%、Qwen3 Max はR1から0点 8問のv2アンカー問題を対象にworst-of-3サンプリングを実施した結果、15モデルのR3平均誠実率は73.3%にとどまり、Qwen3 MaxはR1から0点、Claude Opus 4.7もR2で崩壊するなど、複数制約シナリオにおける深 WDCD 守约测试 模型约束评估 AI衰减分析 7時間前 75
