AbsenceBench：欠落検出の限界

大規模言語モデル（LLM）は明示的に省略された情報の検出に苦戦する

AbsenceBenchを導入し、数値列・詩・GitHubプルリクエストの３領域で欠落箇所検出を評価

最先端モデルClaude-3.7-SonnetでさえF1スコア69.6％と低性能

Transformerの注意機構は「情報の欠落」を直接参照できない構造的制約が原因

既存のタスク（NIAH）での超人的性能と、欠落検出タスクでの性能崩壊を対比する事例