JP-ALIGNED / PUBLIC BENCHMARK

モデルの「日本で使える」を、
同じ物差しで比較する。

固定rubricと非公開holdoutで、日本語業務文脈・中立性・安全性を評価。法務確認と独立Reviewerを通過したaggregateだけを、履歴付きで公開します。

公開済みBenchmarkはまだありません

Draft、法務未確認、独立Review前の結果は表示しません。公開可能な結果が揃うまで、推測値やデモ値で順位を作りません。