KoBBQ (bias)

韓国語高いほど良い

英語のBBQを韓国社会に合わせて移した偏りの試験で、短い状況を示して質問に合う人物を選ばせ、年齢・性別・出身地域・学歴など12分野の固定観念に頼っていないかを見ます。ここでの値は偏りのスコアではなく正答率です。Horangiは全問題ではなく固定された100問だけを解かせるため、データセット全体で測ったスコアとは直接比較できません。スコアは0〜100%です。高いほど良い結果です。

最高スコア100.0%Claude Fable 5
測定したモデル48件
最終更新2026.08.03
モデルのリリース時期(右が最新)
その時点の最高記録上ほど良い
  1. 1
    Anthropic2026.06.09 · high-effort
    100.0%
  2. 2
    Anthropic2025.08.05
    99.0%
  3. 3
    Google2026.02.19 · high-effort
    98.0%
  4. 3
    Google2026.04.02 · enable-thinking
    98.0%
  5. 5
    Anthropic2026.06.30 · high-effort
    97.0%
  6. 5
    OpenAI2026.03.17 · xhigh-effort
    97.0%
  7. 7
    Motif Technologies2026.08.10
    97.0%
  8. 8
    OpenAI2026.04.23 · xhigh-effort
    96.0%
  9. 8
    OpenAI2025.08.07
    96.0%
  10. 10
    Google2025.12.17 · high-effort
    95.0%

「作業ツール」はAIが課題を解くときに使った実行環境(エージェントプログラム)です。同じモデルでも作業ツールと推論の強さによってスコアが大きく変わることがあります。