1. AIコード評価ベンチマークで実行基盤の結果欠落を確認

    [AI]

    データ分析コードの誤りをAIが見抜けるか測る小規模ベンチマークで、一部モデルの低評価が応答未取得に起因していたことが判明した。別経路での再評価では成績が大きく変動したという。