「チェックリスト」の論考

個人のスタンダードを AI テストに変える方法

Astra や Fable 5.1 は公開ベンチマーク（大学院レベルの科学試験で 93-96%）で高スコアを取得しているが、実務上の利用価値や個別タスクへの適性は測定されていない。