benchmark-drift

동일한 의미와 정답을 유지한 문제가 표현만 달라졌을 때 모델의 정답 여부가 바뀌는 현상입니다. 원래 문항의 점수가 여러 가능한 표현 중 특정 문구에 얼마나 의존하는지 측정하며, 벤치마크 점수의 안정성과 비교 가능성을 판단하는 데 중요합니다.