IBM、一貫性ガイドでGPT-4.1エージェントの一貫性格差を24.4から12.0ポイントへ縮小

入選の記録

入選二回の合計 129 ≥ 基準の 2 倍 120

情報源の区分

公式・一次情報、この区分の基準は 60 点

予備審査

通過：AI Agent一致性与评测方法技术文章

推薦理由

Pass^kと一貫性格差の定量結果に加え診断と改善の方法を示し、エージェントの評価基準を見直す材料になる。

採点はモデルが同じ基準で独立に二回行い、満点は 100。二回の合計が基準の 2 倍に届いたものだけが入選します。基準は情報源の区分ごとに決めています。