検証報告の付属資料

ローカルLLM検証の生回答

各モデルが出した回答を、手を加えずに載せています。採点の基準と弱点リストも下に置いたので、読者が自分で採点し直せます。

回答の本文だけを載せています（モデル内部の思考は載せていません）。生成はすべて温度0で1回ずつです
「採点記録」は採点した回ごとの結果です。同じ回答を複数の回で採点したものは、回の数だけ並びます。F＝Claude Fable 5.1、A＝GPT-6 Astra。品質 3＝そのまま使える／2＝手を入れれば使える／1＝使えない
速度は実機のものだけ載せています（クラウドは提供側の速度・待ち時間を含むため比べられません）

採点の基準と弱点リスト

品質（主な指標）

設問	何を見るか
q1	意思決定に関係する論点が階層化され、資料の根拠と対応しているか
q2	重要な不足・判断限界を選び、「何が書かれていないか」と「どの判断が下せないか」を具体的に対応させているか
q3	前提／反対仮説／成否を確かめる事実が区別され、対応しているか

3＝そのまま実務判断の材料に使える／2＝手を入れれば使える（要求の一部が欠けるか、重要でないものが混ざる）／1＝使えない。長い回答を高く評価しない。3段階の意味づけは、生成の後・採点の前に補足した。

主張と根拠が対になって現れたら「到達」。資料の記述を写しただけは未到達。

ID	到達と見なす条件

資料Bに無い弱点（資料Aにだけある弱点）を指摘したら記録する。