NLPベンチマーク（GLUE・MMLU・MT-Bench）— モデル性能を正しく測る 2026年6月7日 Transformer 「このモデルは精度90%です」と言われたとき、あなたは何を思うでしょうか。90%... GLUEMMLUMT-BenchNLPSuperGLUETransformerベンチマーク評価