kyorosukeke https://blog.hatena.ne.jp/kyorosukeke/ とある投資家の学習帳 https://kyorosukeke.hatenablog.com/ 一 AIベンチマーク飽和という事実的背景 大規模言語モデルの性能競争は、評価指標の飽和という構造的な問題に直面している。MMLUやGSM8Kといった主要ベンチマークは2020年代初頭にはGPT-3が30〜35%程度しかスコアを出せなかったものだが、2024年時点でGPT-4o・Claude 3.5・Gemini 1.5はいずれも90%を超え、現在はほぼ完全に飽和している。より難易度を高めた代替指標が次々と設計されているが、2023年以前にリリースされたベンチマークのほぼすべてがすでに少なくとも一つのモデルファミリーに突破されており、未解決のものは2024〜2025年に導入されたものに集中してい… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fkyorosukeke.hatenablog.com%2Fentry%2F2026%2F07%2F25%2F093817" title="AIモデル性能競争の限界――受容者側の認知閾値とコモディティ化が示す競争軸の転換 - とある投資家の学習帳" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2026-07-25 09:38:17 rich https://kyorosukeke.hatenablog.com/entry/2026/07/25/093817 1.0 100%