8月 11 2026 0 行政向けLLM評価フレームワーク「Grip on LLMs」：価値観からベンチマークへ 投稿者: ユウ TL;DR オランダ・アムステルダム市が開発した「Grip on LL…
7月 31 2026 0 PRとIssueのズレを自動検出：PaiCheckerでSWE-benchの信頼性を高める 投稿者: ユウ TL;DR SWE-bench系ベンチマークでは、PRとIssueの対…
7月 31 2026 0 LLMの地域バイアスを抽象ステレオタイプから具体的判断まで評価するS2Dフレームワーク 投稿者: ユウ TL;DR S2Dは中国34地域を対象に、LLMの地域バイアスを「温か…