毎日のAIテスト · 行動データ · あちこちで引用されるチャート

従来のベンチマークは「モデルに何ができるか」を測ります。Labsは「モデルがどう振る舞うか」を測ります。検閲パターン、バイアスの偏り、政治的傾向、道徳的ジレンマ、静かな挙動変化など、通常のベンチマークではまったく見えないものを追跡しています。

各テストは、毎日すべてのモデルに同じ質問を投げます。結果はスコアリングされ、チャート化され、回答の全文とともに公開されます。ブラックボックスなし。編集意見なし。あるのはデータだけです。

チャートはすべて1行のコードで埋め込み可能。データセットはAPA・BibTeX形式で引用できます。記者、研究者、AIの実態を知りたいすべての人のために。