public-benchmark

평가 프로토콜, 데이터셋, 프롬프트와 채점 기준을 공개해 누구나 동일 조건으로 재현 가능한 성능 비교를 가능하게 하는 평가 체계이다. 입력과 처리, 채점 절차가 문서화되어 있어 다른 연구자나 개발자가 동일한 절차로 실행해 결과를 검증하거나 반론을 제기할 수 있다. 재현성과 공격 가능성이 있어 모델 간 실질적 차이를 논증할 수 있는 근거가 된다.