AIベンチマークは、思った通りに機能しません。

リコールは、人々がモデルを評価する際に本当に重要なことを決定できるようにします。それは、人間の安全のための整合性を確保するような重要なことかもしれませんし、テキスト内のエムダッシュを避けるような小さなことかもしれません。

リコールを使用すると、テストを設計できます。