評価したい強み
- 実測できる比較基準を残す: Google は 3.7 を計画と指示遵守の改善として位置付けています。移行テストを行う理由にはなりますが、既存の 3.6 の作業がすべて改善する証明ではありません。同じ資料と合格基準を使いましょう。現在の標準トークン単価は同じでも、再試行や回答の長さによって有用な結果一件あたりの費用は変わります。
- 異なる形式の根拠を結び付ける: 3.6 の画像と文書の入力を組み合わせ、グラフのスクリーンショットと報告書の表で食い違う数値を探します。読みやすい原本を渡し、各数値の出典を求めてください。見栄えのよいグラフに惑わされず、元データの矛盾を確認できます。
