1. 微小な重み差がモデル評価を左右、報告を撤回

    [AI]

    推論問題での生成型評価において、ごくわずかなモデル重みの違いや出力打ち切りが順位・スコアを大きく動かす可能性を検証。作成者は従来の改善報告を撤回し、決定論的な評価手法の利用を提案した。