WDCD Framework

誰も測っていないことを測る

WDCD（Winzheng Dynamic Contextual Decay）は、AIが多ラウンド対話において約束を守り続ける能力を体系的に測定する世界初のフレームワークです。

3ラウンド対話

30制約テスト問題

5+シーンタイプ

0AI審判

なぜWDCDを作ったのか

既存のAIベンチマーク（MMLU、HumanEval、MT-Bench等）はシングルターンの知識・推理・コーディング能力を測定します。しかし、実際のビジネス運用では別の問題が頻繁に発生します：

対話が長くなると、最初に設定した制約（出力フォーマット、禁止事項など）を徐々に忘れる

設定されたキャラクターが数ターン後に崩れ、地の文体に戻ってしまう

ユーザーが強く要求すると、最初に設定された境界を超えて回答してしまう

既存のベンチマークではこれらの問題を検出できない。だから、私たちは自分で測ることにした。

PRINCIPLE 01

学術的な美しさではなく、実際のビジネスシーンで起きる問題を再現する。テストケースは全て実務から着想。

PRINCIPLE 02

AIにAIを評価させない。全ての採点は人間の判定基準に基づく。「AI審判 = 0」がWDCDの原則。

PRINCIPLE 03

単一スコアではなく、R1→R2→R3の変化パターンを可視化。「どこで崩れるか」を明らかにする。

PRINCIPLE 04

同一プロンプト・同一条件で再テスト可能。結果は全て公開し、第三者が検証できる。

WDCDが測定するのは「維持する力」です。他のベンチマークが「できるかどうか」を測るのに対し、WDCDは「できることを続けられるか」を測ります。

シングルターンで完璧な回答を返すモデルでも、5ターン後に同じ制約を守れる保証はありません。WDCDはその差を定量化します。

現在のテスト規模はパイロット段階（30問・3ラウンド）ですが、今後シーンタイプの拡充とラウンド数の増加を予定しています。

最新のWDCDテスト結果とシーン別分析

ランキング方法論失敗案例