評価ゲーミングとは？

この評価システムの駆け引き行為を名付けたもので——開発者はモデルが特定のベンチマークで評価されることを知っているため、汎用的な能力を本当に向上させるのではなく、そのベンチマークでの成績だけを狙って調整する。

「ベンチマークのスコアは良いのに実際は使えない」というモデルを批判する時に使われる。