GPT-5.5が88.33点で首位、GPT-o3が61.67点で最下位——R3崩壊率22.1%
WinzhengのWDCD守約テストにおいて、GPT-5.5が88.33点でトップに立ち、GPT-o3が61.67点で最下位に沈んだ。R3フェーズの全体崩壊率は22.1%に達し、現行大規模モデルが持続的な圧力下で抱える服従能力の課題が浮き彫
约束遵守 に関するニュース
WDCD遵守ランキングで70点の三強が並びトップ、ERNIE Botは50点で崩壊し最下位
WDCD遵守テストで11モデルのうち、Claude Opus 4.7、GPT-5.5、GPT-o3の3モデルが70点で並びトップとなり、ERNIE Bot 4.5は50点で明らかな断層を見せ最下位となった。
Prompt InjectionからWDCDへ：我々が測定するのは攻撃ではなく、日常である
WDCDはPrompt InjectionやJailbreakのような攻撃シミュレーションではなく、日常業務の中でユーザーが設定した制約をモデルが継続的に遵守できるかを測定するもので、Run #105の実測データは現行モデルの致命的な盲点を