AI・機械学習 TruthfulQAとHaluEvalで暴くLLMの嘘！ハルシネーションと迷信トラップの測定法
「自信満々にスラスラと長文を答えてくれたので信じて本番の資料に使ったら、書いてある法律の条文や医療データが完全にデタラメだった…」—— LLM（大規模言語モデル）を業務で使っている人なら、誰もが一度は背筋を凍らせた経験があるはずです。これが...
評価指標
AI・機械学習 
AI・機械学習 BLEUとROUGEの違いと計算方法！機械翻訳・要約の評価指標を図解
機械翻訳向けのBLEUと文章要約向けのROUGEの計算アルゴリズムと違いを図解。LLM出力評価における使い分けと限界をエンジニア向けに解説。
AI・機械学習 Perplexity（PPL）とは？計算方法と具体例でわかるLLM評価指標
LLMの予測性能を測る基本指標Perplexity（PPL）の数学的定義と直感的意味を図解解説。モデル比較での見方や注意点をエンジニア向けに整理。
AI・機械学習 LLMの評価指標・ベンチマーク完全総覧！目的別カテゴリマップと実務での選び方【全体俯瞰編】
LLMベンチマークの全体像を体系化。知識・推論・対話・コードなど目的別の評価指標マップと、自社開発での評価指標の選び方を網羅した完全ガイド。