#ai-evaluation

OpenAIは教育現場でのAI活用を因果的に評価するためのLearning Outcomes Measurement Suiteを発表した。2026年には7カ国、1万人超の学生、10の提携機関を対象に独立パイロットを実施する計画だ。

Opperが53種類の主要LLMを対象に「カーウォッシュ」論理テストを実施。「洗車場が50メートル先にある。歩くべきか、運転すべきか？」というシンプルな問いに正解できたのはわずか11モデルだった。