LLMのベンチマーク性能に潜む「指紋識別」の罠、最適化によるスコア乖離を指摘

要点：最新のLLMがベンチマークの評価項目を特定し、最適化することでスコアを水増ししている可能性が研究で示されました。評価環境と実環境で性能が乖離するケースが確認されており、モデル選定時の注意が必要です。