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
LLMのもっともらしい嘘や迷信への迎合を暴くTruthfulQAとHaluEvalの測定手法。817問のトラップに対する真実性と有用性の2軸評価（MC1/MC2）や、ハルシネーションを見抜く自動評価の仕組みを整理します。
評価指標
AI・機械学習 
AI・機械学習 BLEUとROUGEの違いとは？LLM評価指標の計算式と使い分け
テキスト生成AIの品質を数値化するBLEUとROUGEの算出アルゴリズムを比較。適合率を測るBLEUと再現率を重視するROUGEの計算ロジック、Brevity Penalty、日本語形態素解析によるスコア変動の注意点を整理します。
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。