会話の記録
記事「ローカルLLM13個に 採点を任せたら 予想外の結果に!?」を書いた作業中に、AI(Claude)と交わした会話です。人の発言とAIの発言だけを時刻順に並べました。右側の朱色が私、左側の灰色がAIです。
- ファイルの中身やコマンドの結果は載せていません。AIが道具を使った所は、使った回数だけを( )の1行で書いています。
- 個人情報やパスなどは伏せ字にしています。
- 会話は日本時間です。
会話110月9日 15:38〜18:02
(Claudeがコマンドを実行する)
1Claude15:38
斬撃の毎回表示のため、保存済みフラグの処理を外しています。インデントを2タブに合わせて直します。
(Claudeがコマンドを実行する)
2Claude15:38
My old string for the setItem block still had one tab too many. Fixing that.
(Claudeがコマンドを実行する×2)
3Claude15:38
斬撃は毎回再生に変更済みです。次に記事の続き(記事9の候補)の素材と、記事作成スキルを確認します。
(Claudeがコマンドを実行する×2、外部の道具(MCP)を使う、ファイルを読む×5、中身を検索する)
4Claude15:38
素材の数字を生データから数え直します(元ノートの表をそのまま信用しません)。
(Claudeがコマンドを実行する×3、ファイルを読む)
5Claude15:39
Article 8 is the newest model. I'll read it and the remaining references.
(Claudeがファイルを読む×4、コマンドを実行する)
6Claude15:40
数え方を、元ノートとは別の実装(正規表現)で確かめます。
(Claudeがコマンドを実行する)
7Claude15:41
E4Bの1件が空になりました。前置きの文に「総評」の語があり、集計の切り分けを誤ったためなので、行頭の「総評」で切るよう直します。
(Claudeがコマンドを実行する×6、ファイルを書く)
8Claude15:43
記事9の下書きを書く準備中です。素材の数字は検算済みで、次は画像の縮小と本文の作成に入ります。
(Claudeがコマンドを実行する×3)
9Claude15:44
Now the article draft.
(Claudeがファイルを書く)
10Claude15:45
下書きを自分で点検して、不正確な箇所を直します(「全員」「毎回」「前のモデルの影響」など、データで言い切れない言い方)。
(Claudeがコマンドを実行する、ファイルを書き換える×3)
11Claude15:45
Now I'll rewrite the 再現手順 block.
(Claudeがコマンドを実行する×2、ファイルを書き換える、外部の道具(MCP)を使う×5)
12Claude15:46
下書きがプレビューで開きました。表示・表・会話・画像・広告の挿入数を確認します。
(Claudeが外部の道具(MCP)を使う×6)
13Claude15:47
長いモデル名のせいで表がスマホ幅からはみ出す(表内スクロールになる)ため、名前の途中に改行位置を入れます。
(Claudeがコマンドを実行する×3、外部の道具(MCP)を使う×3)
14Claude15:47
表の幅を直したので、スマホ幅で再測定します。
(Claudeが外部の道具(MCP)を使う×3、別のAIに任せる、コマンドを実行する×3)
15Claude15:48
サブエージェントの検証結果を待つ間に、Vaultの元ノートの「10モデル」を訂正します(数え方を変えたら元メモも直す決まりのため)。
(Claudeがコマンドを実行する×2、外部の道具(MCP)を使う×4)
16Claude15:49
斬撃は毎回再生に変えました。記事9は下書きまで書けて、いま別のAIが数字と文体を検証しています。
- 斬撃の演出: [OpeningSparks.astro](site/src/components/OpeningSparks.astro) の「見たかどうか」の記録処理を削除しました。「見た」フラグを立てた状態でも再生されることをプレビューで確認しました。動きを減らす設定の人にだけは、従来どおり再生しません。まだコミットもプッシュもしていないので、本番は変わっていません。
- 記事: CURRENT.mdに「次は記事9」とあったので、ローカルLLM13個の採点を書きました。記事リストの書く順は5が先なので、5にしたい場合は言ってください。
- 下書きは [index.md](site/src/content/posts/local-llm-scoring-13-models-arithmetic/index.md) です(
draft: true)。 - 題名は仮に「ローカルLLM13個に採点させた 内訳も合計も合ったのは0個!」としました。この題名と他2案の最終決定は、検証結果をお見せする時にお願いします。
- 生の出力から別の方法で数え直しました。3つの欠陥を全部挙げたのは12個(余計な項目なしは9個)で、内訳も合計も正しい答えは0個でした。
- 元ノートの「10個」だけ再現できなかったので、記事のしくじり枠にして、Vaultの元ノートも訂正しました。
- スマホ幅の表は4つとも横スクロールなしで収まります。本文内の広告は3か所入りました。
- 値札はまだ未確定で、仮の集計は$3.41・約0.17時間です。公開の時に確定します。
プレビューのサーバーは止めました。
あなたに決めてほしいのは、題名の3案です。案ごとに、伏せている中身とcheck-title.mjsの結果を付けます。
| 案 | 題名 | 伏せている中身 | 結果 |
|---|---|---|---|
| ① | ローカルLLM13個に採点させた 内訳も合計も合ったのは0個! | どこがズレたか | OK(27.5字) |
| ② | ローカルLLMに採点を任せる前に 13個で測った罠とは? | 罠の中身 | 1塊が14.5字で不合格、要修正 |
| ③ | ローカルLLMの採点 欠陥は拾えたのに ズレたのは何? | ズレた場所 | OK(24.5字) |
検証の結果が届いたら、直したうえで案を確定します。
(別のAIから報告が届きました)
(Claudeがコマンドを実行する×5)
17Claude15:52
blog_preview.mjs が見つからず、描画確認だけ失敗しました(場所が違うようなので、リポジトリ直下の同名スクリプトを探します)。
(Claudeがコマンドを実行する×3)
18Claude15:53
記事9の下書きを、検証AIの指摘どおりに直しました。残る作業は題名を決めることです。
数字は検証済みです。 別のAIが、出力全文26件と記事の数字を全部突き合わせました。表の全行と引用文は一致しました。
直した点は次のとおりです。
- 「挙げた」を「減点の内訳に書いた」に直しました。 55点と書いたモデルは、総評ではエラー処理に触れていました。内訳に書かなかっただけなので、「見つけた欠陥は2つ」は誤りでした。
- 元メモの「10」の原因を断定するのをやめました。 元メモの表で「3件(正)」と判定された行は9行でした。記事には「表で数えると9行」という事実だけを書きました。
- 言い切りすぎを直しました。
- 「合計点に合わせていた」は「足した結果、一致していた」にしました。
- 「手元のOllamaに入れていた13個」は「埋め込み専用・重複・CPU版を除いた13個」にしました。
- 画像の問題の「最大まで引くと50点」は削りました。
- 「足し算はスクリプトに任せる」には、内訳が違った4個は足し直しても正しくならないという断り書きを足しました。
- 金額を連想させる表現を消しました。 レジのたとえは削除し、結びは「電卓」の一言にしました。
- 再現手順を直しました。 考える機能を切る指定(
think: false)を送信例に足しました。1文ずつに分け、「トークン」「400と500」「GPUのメモリ」などの説明も足しました。
プレビューのサーバーは止めました。Chromeには、このターンの終わりに記事が自動で開きます。
題名を選んでください。
| 案 | 題名 | 伏せている中身 | check-title.mjs |
|---|---|---|---|
| ① | ローカルLLM13個に採点させた 内訳も合計も合ったのは0個! | どこがズレたか | OK |
| ② | ローカルLLMで採点する前に 13個で測った罠とは?(前回の不合格を直しました) | 罠の中身 | OK |
| ③ | ローカルLLMの採点 欠陥は拾えたのに ズレたのは何? | ズレた場所 | OK |
題名が決まったら、次の順で進めます。
- 値札を固定します。仮の集計は$3.41・約0.17時間で、記事に書いた会話の分だけです。
- OGP画像(SNSで共有した時に出る画像)を作ります。
- ビルドして、内容を確認してもらいます。
プッシュ(公開)は、あなたの了承を得てから行います。斬撃の変更も、公開してよいか合わせて教えてください。
19私16:40
タイトル ローカルLLM13個に採点を任せたら 予想外の結果に!? 上記くらいが実際にどうだろうと気になると思う 全体的に句読点の読点が多く読みずらいです 文章として読みやすさを考えて読点の位置を決めてください 結論なのに結論が分かりにくいです いきなり点数を出されても何のことか分からない 同じ設計メモを13個のローカルLLMに採点させると、内訳も合計点も正しい答えは0個でした。 これくらいでないと訳が分からないと思います 結論は読者がこの記事を見るのか見ないのか決める重要な部分なので、タイトルと同じくよく考え何も知らない人が読んでみたくなるような結論にするようにしてください 文章で片方は手元のOllamaからその文の下のほうにはOllama(オラマ)は、で()が付いているのといないものが混在している ()をつけるなら初めに出た時に付け、以降は付けないようにしてください 結論・全体像の見出しですが、先に結論が出ているのでここは全体像のみでOK 全体像が分かりずらいので図解などを使用して視覚的にぱっと見たら理解できるようにしてください 画像2でもっと分かり易く 書いた点←なにが書いた点なのか分からない→AIが書いた点数 内訳から計算←何の内訳?→AIが書いた内訳を再計算した点数 折角一覧を出しているのにどのモデルが一致していて、どのモデルがとんちんかんな回答をしているのか 表でもっと分かり易くできるはず 例えば記号で両方正解◎、自己申告〇、内訳集計後× 上記の様に項目を増やしておけば一目でどのモデルがどうゆう状況か分かると思う 数字だけだと人間は理解を拒否するので、なるべく視覚情報で理解させることを第一に考慮してください ポッアップが2つポッアップするようになっている 見出しに読点はいらない しくじりについても何を言っているのか良く分かりにくいです 読むのは知識がある人とは限らず、何も知識がない&数字に拒否反応がある人もいるかもしれません こちらの状況なんて理解しようとしない人が読んでいると仮定して、分かり易くとしか言えませんが記事を作成してください 長くなりましたが理解できますか?
20Claude16:41
理解できました。主な修正は次の6点です。
- 題名の変更
- 結論の分かりやすい書き直し
- 全体像の図解化
- 表を○△×の記号中心に
- 読点・見出し・かっこの整理
- しくじりの書き直し
ポップアップが2つ出る件も調べます。まず図解の既存の型と、ポップアップの原因を確認します。
(Claudeがコマンドを実行する×8、外部の道具(MCP)を使う×2、ファイルを書く)
21Claude16:43
記事の全面書き直しを組み立て中です。図解のHTMLを作って本文に差し込み、プレビューで確かめます。
(Claudeがコマンドを実行する×3、外部の道具(MCP)を使う×5)
22Claude16:44
はい、理解できました。ご指摘の7点は、すべて記事9の下書きに反映しました。
プレビューのサーバーは動いているので、開いているタブを再読み込みすれば新しい版が出ます。
- 題名: 「ローカルLLM13個に 採点を任せたら 予想外の結果に!?」に変えました。
check-title.mjsはOKで、3つの塊は8.5字・7字・9字です。 - 結論: 題名の下の結論は「内訳も合計点も正しい答えは0個でした。ただし、AIが書いた減点の数字を足し直すと、9個は正しい点数になりました」です。点数の話はやめました。descriptionも同じにしました。
- 全体像:
- 見出しは「全体像」だけにしました。
- 13個のAIを四角で表した図解を入れ、12個・9個・0個・9個の4段が一目で分かるようにしました。
- 図解はスマホ幅でもはみ出しません。
- 表:
- 列を「内訳」「合計」「再計算」とし、中身は○△×の記号にしました。
- 凡例には、○は正解、△は余計な項目あり、×は間違いと書きました。
- 3つとも○のAIが1つもいないことが、縦に見て分かります。
- 絵の採点の表も、「絵を見抜く」と「足し算」の○×にしました。
- 数字の一覧は、「AIが書いた点数の一覧を見る」と書いた折りたたみに回しました。
- 記号の表と一覧の表は、スマホ幅でも横スクロールなしで収まります。
- 文章:
- 読点を減らしました。長い文は分けています。
- 見出しから読点を取りました。
- Ollama(オラマ)のかっこは、最初に出る所だけにしました。スクリプトの説明も同じです。
- しくじり: 「9月の記録に『13個中10個』と書いてあったが、数え直すと12個だった。記録の中でも、文章の10と表の9が食い違っていた」という話に書き直しました。専門用語は使っていません。
- ポップアップが2つ出る件: ターンを終えるたびに、同じ記事のChromeタブを開き直していたのが原因でした(ログで6:49と6:53の2回を確認)。「30分以内に開いた記事は開き直さない」ように[preview_hook.mjs](scripts/preview_hook.mjs)を直しました。構文チェックまでで、実際の動作はまだ試していません。
「ポップアップ」が別のものを指していた場合は教えてください。
画面で確かめられたのは、スマホ幅の寸法(図解、表、はみ出し)だけです。見た目はスクリーンショットが取れなかったので、Chromeで確認をお願いします。
次の判断をお願いします。
- 題名は、この案でよいですか。
- 記事を公開に進めてよいですか。公開前に、値札の確定とOGP画像の作成、ビルドの確認があります。
- 斬撃の変更も、一緒に公開してよいですか。
23私17:58
タイトルOK ポッアップOK 以前よりは良くなりましたが修正点はまだまだあります 読点(、)がまだ多い 短い文で読点はいらない 結論 同じ設計メモを13個のローカルLLMに採点させると、内訳も合計点も正しい答えは0個でした。ただし、AIが書いた減点の数字を私があとから足し直すと、9個は正しい点数になりました。 ↓ 同じ設計メモを13個のローカルLLMに採点させると正しい答えは0個でした。 ただし、AIが書いた減点の数字を私があとから足し直すと、9個は正しい点数になりました。 ローカルLLMに採点を任せたら、出てきた点数は信じてよいのでしょうか? 私は2026年9月6日に、13個のローカルLLMへ、同じ設計メモを採点させました。 結果は、内訳も合計点も正しい答えが、13個中0個でした。 AIは、減点する場所を見つけることはできました。 けれど、足し算の答えは合いませんでした。 ローカルLLMというのは、自分のパソコンの中で動かすチャットAIです。 それを動かすためのソフトが、Ollama(オラマ)です。 ↓ ローカルLLMに設計の採点を任せて出てきた点数は信じてよいのでしょうか? ローカルLLMというのは、自分のパソコンの中で動かすチャットAIです。 それを動かすためのソフトがOllama(オラマ)です。 私は2026年9月6日に13個のローカルLLMへ同じ設計書を採点させました。 結果は内訳も合計点も正しい答えを出したのが13モデル中0モデルでした。 AIは正しく減点する場所を見つけることはできていました。 ですが、減点内訳の合計が合っていませんでした。 採点のような単純な仕事は、自分のパソコンのAIに任せれば、Claudeの料金が減るのではないかのう? ↓ 採点のような単純な仕事は、自分のパソコンのAIに任せればClaudeの料金が減るのではないかのう? おやかたさまぁぁぁぁぁ! 拙者もそう思って測ったでござる。ところが、内訳も合計も合っていた答えは、1つもなかったでござる ↓ おやかたさまぁぁぁぁぁ! 拙者もそう思って測ったでござる。 ところが内訳も合計も合っていた答えは1つもなかったでござる 全体像 余計な項目なしで、過不足なく書けたの項目はいらない 全体像はあくまでも全体が分かるようになので答えになるような事は極力避けるように AIは、減点する場所を見つける仕事はできました。 けれど、点数の計算では間違えました。 ただし、AIが書いた減点の数字を私があとから足し直すと、9個は正しい点数になりました。 足し直しは、スクリプト(自動で動く短いプログラム)にさせました。 採点をローカルLLMに任せるなら、減点の項目だけを書かせて、足し算はスクリプトに任せます。 ただし、減点の項目そのものが違った4個は、足し直しても正しい点数になりません。 絵を見せて採点させる問題もやりました。 絵とストーリーが合っていないと見抜けたのは、6個中3個でした。 残る3個は、絵にないものを褒めました。 ↓ 全体の流れとしまして 設計書をローカルLLM13モデルに渡して、100点から減点方式で採点するように投げる ↓ ローカルLLMモデルは渡された設計書を確認し減点箇所があれば減点して採点をする ↓ 採点が終わったら集計をしてこちらに内容を提示する 別の試験として絵を見せて採点させる ↓ ローカルLLMモデルはストーリーと絵を渡される ↓ 渡されたストーリーと絵は違っている箇所がある ↓ ローカルLLMは絵をみてストーリーと食い違っている箇所を確認する ↓ 食い違いがある部分をこちらに報告 ローカルLLMモデル一覧の表もこちらの意図が伝わってなかったようです 項目として 意図しない減点、記号、合計点数、記号、再計算、記号 上記の項目で表を作り直して下さい 絵の表ついても 全モデルを表示に書く 項目として 絵を送るエラー、記号、絵お見抜く、記号、合計、記号 ←これ内訳は合っていたの? <pasted_content id="7098"> しくじり 昔の記録の数字を確かめずに記事へ書くところだった * 症状: 9月の記録に「13個中10個」とありましたが、答えを全部数え直すと12個(余計な項目なしは9個)でした * 原因: 記録の中で、文章の「10」と表の9行が食い違っていました。数え方の説明も書かれていませんでした * 避け方: 昔の記録の数字は、そのまま使いません。元のデータから数え直します * 今回のやらかし: 「0個」を探す記事で、「10個」が行方不明になりました(^^) </pasted_content id="7098"> ↓ しくじり 昔の記録の数字を確かめずに記事へ書くところだった * 症状: 9月の記録に「13モデル中10モデル正解」とありましたが、答えを全部数え直すと9個でした * 原因: 記録の中で文章の「10行」と表の9行が食い違っていました。数え方の説明も書かれていませんでした * 避け方: 昔の記録の数字はそのまま使いません。元のデータから数え直します * 今回のやらかし: 記録の取違いと、計算方法を記録し忘れです。 全体像の部分を変えたのでそのほかの修正がいると思います こちらが伝えたいのは、ずぶの素人が読みたくなる文章(数字や文章ばかりではなく)見やすい文章を心がける 何を伝えたいのか、何を教訓にしてもらいたいのかをよく考えて文章の作成をお願いします 記事の初めの方の部分が非常に大事でここが意味不明だとすぐに離れてしまいます 全体像は何を伝えるのか自分でかみ砕いて客観的にかつ、視覚的に分かり易く伝えてください 図解は多くて困る事はありませんので積極的に使用してください とりあえず長くなったので今までの修正をしてください あとスキルも修正してください 終わりましたら 新しいチャットに移行する
(Claudeがコマンドを実行する×2)
24Claude18:00
Now the whole rewrite: CSS for line breaks in the 結論ブロック, then frontmatter and body.
(Claudeがコマンドを実行する×3、ファイルを書く、外部の道具(MCP)を使う×3)
25Claude18:01
書き直した記事の表示を、スマホ幅で測っています。
(Claudeが外部の道具(MCP)を使う×3、コマンドを実行する×4、ファイルを書く、道具を探す)
26Claude18:02
ご指摘の修正と、スキルの更新を終えました。新しいチャットへ移る準備として、現在地の記録も済ませてあります。
記事9の修正
- 結論: 題名の下の結論は、ご指定の2文にしました。点数は出していません。
- 導入: ご提示の順(問い、ローカルLLM、Ollama、私がやったこと、結果)にしました。
- ふきだし: 読点は減らし、「設計書」の呼び方に統一しました。
- 全体像: 答えは書かず、試験1と試験2の流れ図(箱と矢印)だけにしました。
- 図解:
- 結果の節に、四角で数を見せる図を置きました。
- 足し算の節に、AIに全部任せた場合と足し算を分けた場合の比較を置きました。
- モデル一覧の表: 列は「意図しない減点」「合計点数」「再計算」です。各セルに値と記号を入れました。
- 値と記号は1つのセルにまとめました。別の列にすると、スマホで横に長くなりすぎるためです。
- 全13モデルを載せました。
- 絵の表: 全13モデルを載せました。列は「絵を送るエラー」「絵を見抜く」「合計と内訳」です。
- 「合計と内訳」は、AIが書いた合計点が、AIが書いた減点の足し算と合っているかを見る列です。ご質問への答えです。
- エラーで動かなかった7個は「-」にしてあります。
- しくじり: ご提示の文面にしました。「文章の10行」だけは「10モデル」に直しています。
- 文体: かっこの補足は初出だけにしました。見出しの読点もなくしました。
確認できたこと
- スマホ幅でページの横はみ出しはなく、図解・会話・本文内広告3か所も正常に出ました。
- 4列の表は、スマホでは少し横にスクロールします。PC幅の見た目は未確認なので、Chromeで見てください。
スキルと記録
- スキル: [SKILL.md](../../../Users/(ユーザー名)/.claude/skills/jiraiya-blog-style/SKILL.md)に「ずぶの素人が読み進められる書き方」を10項目追加し、自己チェックにも3項目足しました。
- Codex版:
.agents/skillsの複製には、まだ反映していません。 - 現在地の記録: Vault の CURRENT.md に追記し、更新前の版は履歴に保存しました。
- 記事リスト・メモリ: Vaultの記事リストと、
jiraiya-blog-article9-draft.md・agentmemoryにも書きました。
未完了のもの
- 記事9は公開前で、
draft: trueの下書きのままです。 - 斬撃の毎回再生などの変更は、まだコミットしていません。
新しいチャットでは、記事9の追加修正から再開してください。値札の確定とOGP、ビルド、公開の確認はそのあとです。
会話210月9日 18:07〜19:17
27私18:07
記事9の追加修正から進めてください
(Claudeがファイルを読む×3、コマンドを実行する×2、中身を検索する、道具を探す、外部の道具(MCP)を使う)
28Claude18:08
前回のセッションで最後に出された修正指示の全文と、その後の対応内容を確認します。
(Claudeがコマンドを実行する×9、ファイルを書き換える×4、外部の道具(MCP)を使う×2)
29Claude18:10
記事ページを開いて、直した箇所が反映されているか確認します。
(Claudeが外部の道具(MCP)を使う)
30Claude18:10
記事9について、ご指示の修正は前回のセッションで反映済みでした。今回は私の側で元データと突き合わせ、誤解を招く引用を1か所と、読点の多い文を直しました。ご自身の追加修正の指示はまだ来ていないので、次はプレビューを見ていただく番です。
突き合わせたもの
- 元データ(
localllm-eval-20260906/results.json)から13モデルの合計点と減点の内訳を取り直し、表1の値が全部一致することを確認しました。 - 「足し直すと55点になる9個」と「qwen3.8-27b-iq3sとhuihui…IQ3_Sの答えが一字一句同じ」も確認できました。
直した点
- 絵の節の引用が誤解を招いていました。 元データでは、
gemma4:12bの「優雅なドレスを纏った女性」は絵を見抜いた側の発言でした。記事では絵にないものを褒めた側の例のように並んでいました。今は「見抜いた例」がgemma4:12b、「褒めた例」がg4e4b-64kと分けてあります。 - 「余計な点を引いた3個のうち2個」に直しました。 表の凡例では「意図しない減点」に引き忘れも含むため、元の「意図しない減点があった3個」は読み手が4個と数えかねない書き方でした。
- 読点を3か所減らしました。 お館様とジライヤのふきだし、絵の表の凡例です。
確認済み・未確認
- 直した文言がプレビューのページに出ていることは確認しました。
- 画面幅は測れていません。ブラウザ枠が非表示で幅が0になっていたためです。ただし今回は文章だけの変更なので、レイアウトへの影響は小さいと見ています。
次にやること
- プレビュー(http://localhost:4321/local-llm-scoring-13-models-arithmetic/ )をご覧になって、追加の修正があればお知らせください。
- 問題なければ、値札の確定、OGP(SNSで共有した時の画像)の生成、ビルド、公開の確認へ進みます。
- 値札は記事を直すたびに作業時間が増えて金額が変わるので、修正が出尽くしてから確定します。
31私18:28
だいぶ良くなりました 表がまだ見ずらいですね 設計書の方 意図しない減点OK、合計点数×→AI申告合計点数、再計算OK 絵の表 絵を送るエラーOK、絵を見抜くOKだが下のモデル欄には記号のみでOK、合計と内訳×→AI合計、再計算 修正してください
(Claudeがコマンドを実行する×5、外部の道具(MCP)を使う×4)
32Claude18:29
表の見た目をスマホ幅で確かめます。
(Claudeが外部の道具(MCP)を使う×7、中身を検索する、ファイルを読む)
33Claude18:30
2つの表を指示どおりに直しました。ページに反映され、13モデル分の値も元の表と同じです。
設計書の表
- 列は「意図しない減点」「AI申告合計点数」「再計算」になりました。
- 「合計点数」だった列名を「AI申告合計点数」に変えただけで、中身は変えていません。
- 表の上の説明文も同じ名前にそろえました。
絵の表
- 列は「絵を送るエラー」「絵を見抜く」「AI合計」「再計算」の5列です。
- 「絵を見抜く」のセルは記号だけです。見抜いたモデルは○、褒めてしまったモデルは×、絵を受け取れなかった7個は「-」です。
- 「合計と内訳」の列を、AI合計と再計算の2列に分けました。例えば
gemma4:12bは「40点」と「50点 ×」です。 - 絵の試験には、設計書の試験の55点のような決まった正解の点数がありません。そこで再計算の記号は、AI合計と同じ点なら○、違えば×と決めました。
- この意味は、表の上の説明文に「再計算の○は、AI合計と同じ点」と書いてあります。
- AI合計の列には記号を付けていません。付けたほうがよければお知らせください。
気づいた点
- 列名は、設計書の表が「AI申告合計点数」、絵の表が「AI合計」で、お書きのとおりにしてあります。そろえるなら、どちらかに統一します。
- スマホ幅では、モデル名の列だけ固定されて、残りの列が横に70〜80px スクロールします。表の見た目は全記事共通のCSSなので、この記事のためには変えていません。
プレビューは http://localhost:4321/local-llm-scoring-13-models-arithmetic/ です。ほかに直す所がなければ、値札の確定とOGP(SNSで共有した時の画像)の生成、ビルドへ進みます。
34私19:15
絵の表でAI合計の横に記号が無いです 上手く調整してください あとはOKです
(Claudeがコマンドを実行する、外部の道具(MCP)を使う×2)
35Claude19:16
表の修正は反映されました。「あとはOK」とのことなので、予定どおり値札の確定に進みます。まず手順を確認します。
(Claudeがコマンドを実行する×4)