Feb 17, 2026 5 分 Qwen 3.5がVending-Bench 2で破産 — ベンチマーク偏重の落とし穴 標準ベンチマークでトップクラスのQwen 3.5が、自販機経営シミュレーションVending-Bench 2で破産判定。ベンチマーク偏重がもたらすAI評価の盲点を解説します。