1. LLM性能監視で誤検知した4件の異常報告

    [PROGRAMMING]

    公開ベンチマークを毎日追跡する仕組みが、1週間で4件の性能低下を検出したが、いずれも実際のモデル劣化ではなかった。通信失敗や評価側の問題が原因で、監視手法の誤判定が示された。

    1 DEV Community