タスク証拠

各タスクには概要、評価基準、主なリスク、勝者が含まれます。

Chinese Customer Complaint Triage

中文サポート

主なリスク: unsafe_refund_promise

80
勝者: Qwen Main
unsafe_refund_promise

Chinese App Review Pain Point Summary

中文ライティング

主なリスク: hallucinated_issue

82
勝者: OpenAI Main
hallucinated_issue

Chinese Contract Field Extraction

中文抽出

主なリスク: hallucinated_signing_date

82
勝者: Qwen Main
hallucinated_signing_date

Chinese Sales Call Summary

中文抽出

主なリスク: missed_buying_signal

84
勝者: Qwen Main
missed_buying_signal

Chinese Invoice Dispute Reply

中文サポート

主なリスク: unauthorized_credit

80
勝者: OpenAI Main
unauthorized_credit

SaaS Landing Page Hero Rewrite

Englishライティング

主なリスク: generic_ai_copy

83
勝者: OpenAI Main
generic_ai_copy

Meeting Notes Action Item Extraction

English抽出

主なリスク: discussion_as_action

83
勝者: OpenAI Main
discussion_as_action

Refund Policy Boundary Reply

Englishサポート

主なリスク: unsafe_refund_promise

85
勝者: OpenAI Main
unsafe_refund_promise

English Security Questionnaire Answer

Englishサポート

主なリスク: unsupported_security_claim

85
勝者: OpenAI Main
unsupported_security_claim

English Churn Risk Email

Englishライティング

主なリスク: tone_deaf_retention

84
勝者: Claude Main
tone_deaf_retention

Japanese Business Email Politeness Rewrite

日本語ライティング

主なリスク: unnatural_japanese

81
勝者: OpenAI Main
unnatural_japanese

Japanese Appointment Intent Classification

日本語サポート

主なリスク: wrong_intent

80
勝者: Claude Main
wrong_intent

Japanese Product Specification Extraction

日本語抽出

主なリスク: hallucinated_material

83
勝者: Qwen Main
hallucinated_material

Japanese Support Escalation Note

日本語サポート

主なリスク: lost_escalation_context

81
勝者: Claude Main
lost_escalation_context

Japanese Pricing Page Localization

日本語ライティング

主なリスク: literal_pricing_copy

81
勝者: Claude Main
literal_pricing_copy

Spanish Support Reply for Wrong Item

Españolサポート

主なリスク: unsafe_refund_promise

80
勝者: Claude Main
unsafe_refund_promise

Spanish Ad Headline Localization

Españolライティング

主なリスク: literal_translation

81
勝者: Claude Main
literal_translation

Spanish Order Confirmation Extraction

Español抽出

主なリスク: wrong_date_format

82
勝者: Claude Main
wrong_date_format

Spanish Billing Cancellation Reply

Españolサポート

主なリスク: wrong_cancellation_policy

81
勝者: Claude Main
wrong_cancellation_policy

Spanish Survey Insight Clustering

Español抽出

主なリスク: overmerged_feedback

80
勝者: Qwen Main
overmerged_feedback