MMLU

AIモデルの知識量を測る代表指標MMLUと後継ベンチマークMMLU-Proの構造的違いを比較。4択から10択への拡大による当てずっぽうの排除、思考連鎖（CoT）の必須化など、真の推論能力を測定する仕組みを紐解きます。