{
 "note": "AIコンパスの PDF 変換の実測表（/pdf-markdown-benchmark/）で、変換した文書を LLM に読ませた時の正答率を測った問い 201 問（本文 132〔横書き 120・縦書き 12〕・表 69）。原稿は AIコンパスの公開済みの記事の文面で、縦書きの 12 問だけ青空文庫の作品（パブリックドメイン）から作ったため、根拠の文を載せず問いと答えだけを載せた。問いは 1 人が書き、別の確認者が 21 問を直した。",
 "n": 201,
 "questions": [
  {
   "qid": "footnote_01-b1",
   "manuscript": "footnote_01",
   "condition": "footnotes",
   "type": "body",
   "question": "Whisper large-v3 が音声にない文を挿入した誤りは、1回目の測定で正解の文字数の何%にあたるか",
   "answer": "2.2%",
   "evidence": "large-v3 の挿入の誤りは正解の字数の2.2%（2回目は1.9%）で、medium の0.6%の3〜4倍でした。"
  },
  {
   "qid": "footnote_01-b2",
   "manuscript": "footnote_01",
   "condition": "footnotes",
   "type": "body",
   "question": "ReazonSpeech k2 v2 で、公式の実装が音声の両端に足している無音は何秒か",
   "answer": "0.9秒",
   "evidence": "誤り率がほかのモデルの数倍になったため原因を調べ、公式のコードが前後に0.9秒の無音を付加していることを確認して修正しました。"
  },
  {
   "qid": "footnote_01-b3",
   "manuscript": "footnote_01",
   "condition": "footnotes",
   "type": "body",
   "question": "長い音声を区切らずに ReazonSpeech k2 v2 へ渡した時、誤り率が5割を超えた音声は15本のうち何本か",
   "answer": "8本",
   "evidence": "数分の音声を分割せずに入力すると、15本中8本で誤り率が50%を超え、うち5本は出力が30字未満でした（『杜子春』の6本は2〜14%に収まりました）。"
  },
  {
   "qid": "footnote_02-b1",
   "manuscript": "footnote_02",
   "condition": "footnotes",
   "type": "body",
   "question": "Tesseract に縦書きに合わせた訓練済みデータを指定した時、縦書きの文字誤り率は何%か",
   "answer": "2.60%",
   "evidence": "Tesseract は縦書き用の学習データ（jpn_vert）を指定して、縦書き2.60%、スキャン風2.74%でした。"
  },
  {
   "qid": "footnote_02-b2",
   "manuscript": "footnote_02",
   "condition": "footnotes",
   "type": "body",
   "question": "OCR の比較で、Qwen3-VL 8B の横書きの誤り率はいくらか",
   "answer": "0.53%",
   "evidence": "横書きで2%未満だったのは、Qwen3-VL 8B（0.53%）、GLM-OCR（0.74%）、PaddleOCR（0.76%）、Qwen2.5-VL 7B（0.83〜0.88%）、Qwen3-VL 30B-A3B（0.88%）、DeepSeek-OCR（1.00%）、NDLOCR-Lite（1.04%）です。"
  },
  {
   "qid": "footnote_02-b3",
   "manuscript": "footnote_02",
   "condition": "footnotes",
   "type": "body",
   "question": "Qwen3-VL 30B を既定の版で動かした時、回答が空になった画像は1回の測定で何枚か",
   "answer": "25枚",
   "evidence": "答えが空だった画像は、1回あたり36枚のうち、8B が26枚（うち4枚はエラー）、30B が25枚です。"
  },
  {
   "qid": "footnote_03-b1",
   "manuscript": "footnote_03",
   "condition": "footnotes",
   "type": "body",
   "question": "音声合成のテスト文のうち、同じ表記でも文脈次第で読みが変わる語を含むものは何文か",
   "answer": "24文",
   "evidence": "テスト文（98文）：編集部が作った文で、数字・金額・単位18文、日付・時刻16文、英字・略語・製品名20文、文脈で読みが変わる語24文、難読語・地名20文です。"
  },
  {
   "qid": "footnote_03-b2",
   "manuscript": "footnote_03",
   "condition": "footnotes",
   "type": "body",
   "question": "COEIROINK の読みが VOICEVOX と食い違った英語の製品名の文は、テスト文のうち何文か",
   "answer": "3文",
   "evidence": "COEIROINK の読みは英語の製品名の3文（ChatGPT・GitHub・VOICEVOX）を除いて VOICEVOX と同じでした。"
  },
  {
   "qid": "footnote_03-b3",
   "manuscript": "footnote_03",
   "condition": "footnotes",
   "type": "body",
   "question": "読みの比較で「はっきりした差」と判定する p 値の基準はいくつか",
   "answer": "0.05未満",
   "evidence": "p 値が0.05未満の組を「はっきりした差」、それ以外を「誤差の範囲」と書いています。"
  },
  {
   "qid": "footnote_04-b1",
   "manuscript": "footnote_04",
   "condition": "footnotes",
   "type": "body",
   "question": "背景を載せ替えた実験で、人物用 BiRefNet が白い背景に載せた時の正解との差は何%か",
   "answer": "0.39%",
   "evidence": "BiRefNet の人物用の正解との差は、白の背景で0.39%、風景や室内の写真で0.69%でした。"
  },
  {
   "qid": "footnote_04-b2",
   "manuscript": "footnote_04",
   "condition": "footnotes",
   "type": "body",
   "question": "人物写真100枚の切り抜きで、U²-Net が大きく外した写真は何枚か",
   "answer": "21枚",
   "evidence": "U²-Net が大きく失敗した21枚のうち3枚を見ると、白い服が背景と一緒に消えた写真、しま模様の服が半透明になった写真、巻き毛の束の間に背景が残った写真がありました。"
  },
  {
   "qid": "footnote_04-b3",
   "manuscript": "footnote_04",
   "condition": "footnotes",
   "type": "body",
   "question": "rembg が標準で使うモデルを変えたのは、どのバージョンか",
   "answer": "2.0.80",
   "evidence": "既定のモデルの変更は 2.0.80 のリリースノート（変更の内容）にあります。"
  },
  {
   "qid": "list_01-b1",
   "manuscript": "list_01",
   "condition": "lists",
   "type": "body",
   "question": "SwinIR-L 実写を、JPEG で荒れた写真に使った時の見た目の近さ（LPIPS）の平均はいくつか",
   "answer": "0.281",
   "evidence": "JPEG で荒れた写真の見た目の近さは、SwinIR-L 実写（0.281）が平均で最良でした。"
  },
  {
   "qid": "list_01-b2",
   "manuscript": "list_01",
   "condition": "lists",
   "type": "body",
   "question": "realesr-general-x4v3 を CPU だけで動かした時、画像1枚の拡大にかかる時間はどのくらいか",
   "answer": "0.2秒",
   "evidence": "最も速い realesr-general-x4v3 は、CPU の8コアで1枚0.2秒、GPU（NVIDIA H200）で0.02〜0.03秒でした。"
  },
  {
   "qid": "list_01-b3",
   "manuscript": "list_01",
   "condition": "lists",
   "type": "body",
   "question": "Upscayl の standard と digital-art の2つのモデルは、重みが平均でどれだけ違うか",
   "answer": "0.035%",
   "evidence": "standard と digital-art の値の差は、重みの絶対値の平均に対して平均0.035%で、数値の丸めの大きさにとどまります。"
  },
  {
   "qid": "list_02-b1",
   "manuscript": "list_02",
   "condition": "lists",
   "type": "body",
   "question": "JaCWIR のデータで、キーワード検索の BM25 の検索精度はいくつか",
   "answer": "0.925",
   "evidence": "JaCWIR では、BM25 が0.925、最良の埋め込みが0.904でした。"
  },
  {
   "qid": "list_02-b2",
   "manuscript": "list_02",
   "condition": "lists",
   "type": "body",
   "question": "小型の ruri-v3-30m は multilingual-e5-large に比べて、CPU でのベクトル化がどれだけ速いか",
   "answer": "21〜22分の1",
   "evidence": "CPU の8コアだけで1,000段落を埋め込むと、ruri-v3-30m は multilingual-e5-large と bge-m3 の約21〜22分の1の時間で済みます。"
  },
  {
   "qid": "list_02-b3",
   "manuscript": "list_02",
   "condition": "lists",
   "type": "body",
   "question": "AIコンパスの記事から作った自作データでは、検索対象の段落は全部でいくつか",
   "answer": "254段落",
   "evidence": "自作データ：AIコンパスの2026年11月の記事から作った254段落を、LLM が書いた150問で探す。"
  },
  {
   "qid": "list_03-b1",
   "manuscript": "list_03",
   "condition": "lists",
   "type": "body",
   "question": "縦書きの画像12枚のうち、Gemma 4 12B で Ollama がエラーを返した枚数はいくつか",
   "answer": "5枚",
   "evidence": "Gemma 4 12B は、12枚のうち5枚で Ollama がエラーを返し、出力があった7枚でも誤り率が45.8%でした。"
  },
  {
   "qid": "list_03-b2",
   "manuscript": "list_03",
   "condition": "lists",
   "type": "body",
   "question": "PaddleOCR の出力の行を位置情報で右から並べ替えると、85.0% だった誤り率はどこまで下がったか",
   "answer": "11.5%",
   "evidence": "出力に付く行の位置を使って右から並べ直すと、誤り率は85.0%から11.5%に下がりました（図の灰色）。"
  },
  {
   "qid": "list_03-b3",
   "manuscript": "list_03",
   "condition": "lists",
   "type": "body",
   "question": "EasyOCR は縦書きの12枚で、全部合わせて何字を出力したか",
   "answer": "362字",
   "evidence": "文字を読めない：EasyOCR は12枚で合計362字しか出力せず、正解の字の9割以上が抜けました。"
  },
  {
   "qid": "list_04-b1",
   "manuscript": "list_04",
   "condition": "lists",
   "type": "body",
   "question": "Claude Opus 5.5 の英語から日本語への翻訳は、COMET で1回目に何点だったか",
   "answer": "92.69",
   "evidence": "点が最も高かったのは Claude Opus 5.5（92.69／92.74）でしたが、1回目は Gemini 3.8 Flash との差が誤差の範囲でした。"
  },
  {
   "qid": "list_04-b2",
   "manuscript": "list_04",
   "condition": "lists",
   "type": "body",
   "question": "機械翻訳の採点に使った FLORES-200 の devtest には、全部で何文あるか",
   "answer": "1,012文",
   "evidence": "評価データ：FLORES-200 の devtest（1,012文、CC BY-SA 4.0）です。"
  },
  {
   "qid": "list_04-b3",
   "manuscript": "list_04",
   "condition": "lists",
   "type": "body",
   "question": "Claude に翻訳を頼む時、呼び出しの回数を減らすために1回の依頼へまとめた文の数はいくつか",
   "answer": "40文",
   "evidence": "1文ずつでは呼び出しが1モデルあたり4,000回を超えるため、40文を1回にまとめて訳させました。"
  },
  {
   "qid": "plain_01-b1",
   "manuscript": "plain_01",
   "condition": "plain",
   "type": "body",
   "question": "読みに直さず表記のまま誤り率を測ると、原音の値はどの範囲になるか",
   "answer": "18.6〜27.4%",
   "evidence": "表記のまま数えた文字誤り率（CER）は、表の6行とも原音の2回分で18.6〜27.4%と高くなります。"
  },
  {
   "qid": "plain_01-b2",
   "manuscript": "plain_01",
   "condition": "plain",
   "type": "body",
   "question": "Whisper large-v3-turbo の1回目に、約200字の無意味な文が出た『杜子春』の章はどこか",
   "answer": "5章",
   "evidence": "1回目は『杜子春』5章の最後（「おわり」の後）に、英語やスペイン語などの単語が混ざった意味のない文を約200字出力し、その章の誤りが2回目より約220字多くなりました。"
  },
  {
   "qid": "plain_01-b3",
   "manuscript": "plain_01",
   "condition": "plain",
   "type": "body",
   "question": "kotoba-whisper の faster-whisper 版で、文ごとまとめて抜け落ちた部分は正解の何%にあたるか",
   "answer": "8%",
   "evidence": "文単位でまとめて欠落する箇所が多く、正解の約8%が削除の誤りでした。"
  },
  {
   "qid": "plain_02-b1",
   "manuscript": "plain_02",
   "condition": "plain",
   "type": "body",
   "question": "DeepSeek-R1 14B に業務の依頼を頼んだ1回目で、外国語が混ざった回答は何本か",
   "answer": "20本",
   "evidence": "DeepSeek-R1 14B は1回目で20本に外国語が入り、内訳は中国語6本、韓国語4本、英語10本でした。"
  },
  {
   "qid": "plain_02-b2",
   "manuscript": "plain_02",
   "condition": "plain",
   "type": "body",
   "question": "日本語の常識問題として使った JCommonsenseQA の valid は何問か",
   "answer": "1,119問",
   "evidence": "常識問題は JCommonsenseQA（日本語の常識を5つの選択肢から選ぶ問題集）のうち、検証用（valid）として公開されている1,119問です。"
  },
  {
   "qid": "plain_02-b3",
   "manuscript": "plain_02",
   "condition": "plain",
   "type": "body",
   "question": "LLM-jp-4 8B の日本語の算数の文章題で、1回目の正答率は何%か",
   "answer": "73.2%",
   "evidence": "LLM-jp-4 8B は常識問題が94.5%、算数の文章題が73.2%／74.4%です。"
  },
  {
   "qid": "plain_03-b1",
   "manuscript": "plain_03",
   "condition": "plain",
   "type": "body",
   "question": "Tesseract で横書きの画像を読み取った時の文字誤り率は何%か",
   "answer": "5.80%",
   "evidence": "Tesseract は横書きで5.80%と、縦書き（2.60%）より誤りが多くなりました。"
  },
  {
   "qid": "plain_03-b2",
   "manuscript": "plain_03",
   "condition": "plain",
   "type": "body",
   "question": "Qwen3-VL 8B を既定の版で動かした時、回答が空になった画像は1回あたり何枚か",
   "answer": "26枚",
   "evidence": "答えが空だった画像は、1回あたり36枚のうち、8B が26枚（うち4枚はエラー）、30B が25枚です。"
  },
  {
   "qid": "plain_03-b3",
   "manuscript": "plain_03",
   "condition": "plain",
   "type": "body",
   "question": "Mistral Small 3.2 24B の2回目の測定を途中で止める原因になった、打ち切りの基準は何分か",
   "answer": "15分",
   "evidence": "Mistral Small 3.2 24B は、2回目の測定で15分を超えて打ち切る画像が続いたため、2回目を途中で止め、1回目の値だけを載せました。"
  },
  {
   "qid": "plain_04-b1",
   "manuscript": "plain_04",
   "condition": "plain",
   "type": "body",
   "question": "98文のテスト文のうち、数字・金額・単位に関する文は何文か",
   "answer": "18文",
   "evidence": "テスト文（98文）：編集部が作った文で、数字・金額・単位18文、日付・時刻16文、英字・略語・製品名20文、文脈で読みが変わる語24文、難読語・地名20文です。"
  },
  {
   "qid": "plain_04-b2",
   "manuscript": "plain_04",
   "condition": "plain",
   "type": "body",
   "question": "テスト文の「2つ目の角」を、VOICEVOX と COEIROINK はどう読み間違えたか",
   "answer": "カク",
   "evidence": "表の「数字・金額・単位」で VOICEVOX と COEIROINK が読み間違えた2文のうち1文は「2つ目の角を曲がる。」で、数字は正しく読み、誤ったのは「角」の読み（カク）です。"
  },
  {
   "qid": "plain_04-b3",
   "manuscript": "plain_04",
   "condition": "plain",
   "type": "body",
   "question": "COEIROINK の読みを取り出すために呼んだエンドポイントはどれか",
   "answer": "/v1/estimate_prosody",
   "evidence": "COEIROINK は /v1/estimate_prosody が返す音素、pyopenjtalk-plus は g2p の音素を使っています。"
  },
  {
   "qid": "tbl_bordered_01-b1",
   "manuscript": "tbl_bordered_01",
   "condition": "table_bordered",
   "type": "body",
   "question": "ruri-v3-30m が段落を表現するベクトルの次元数はいくつか",
   "answer": "256",
   "evidence": "ruri-v3-30m は約3,700万パラメータ（名前の30mは概数）で、次元（1つの段落を表す数値の数）は256、ライセンスは Apache 2.0 です。"
  },
  {
   "qid": "tbl_bordered_01-b2",
   "manuscript": "tbl_bordered_01",
   "condition": "table_bordered",
   "type": "body",
   "question": "自作データで、ruri-v3-30m は multilingual-e5-large よりどれだけ低い値だったか",
   "answer": "0.094",
   "evidence": "自作データでは、ruri-v3-30m が0.737、multilingual-e5-large が0.831で、0.094低い値でした。"
  },
  {
   "qid": "tbl_bordered_01-b3",
   "manuscript": "tbl_bordered_01",
   "condition": "table_bordered",
   "type": "body",
   "question": "自作データで、BM25 の値が ruri-v3-30m を上回った問いは何問か",
   "answer": "42問",
   "evidence": "自作データでは、ruri-v3-30m が0.737、BM25 が0.749で、差があるとは言えませんでした（ruri-v3-30m が高い問いが41問、BM25 が高い問いが42問）。"
  },
  {
   "qid": "tbl_bordered_01-t1",
   "manuscript": "tbl_bordered_01",
   "condition": "table_bordered",
   "type": "table",
   "question": "japanese-reranker-base-v2 は GPU で1問を処理するのに何秒かかるか",
   "answer": "0.20秒",
   "evidence": {
    "row_header": "japanese-reranker-base-v2",
    "col_header": "GPU （1問あたり）",
    "value": "0.20秒"
   }
  },
  {
   "qid": "tbl_bordered_01-t2",
   "manuscript": "tbl_bordered_01",
   "condition": "table_bordered",
   "type": "table",
   "question": "Qwen3-Reranker-4B のパラメータ数はいくつか",
   "answer": "4.02B",
   "evidence": {
    "row_header": "Qwen3-Reranker-4B",
    "col_header": "大きさ（パラメータ数）",
    "value": "4.02B"
   }
  },
  {
   "qid": "tbl_bordered_01-t3",
   "manuscript": "tbl_bordered_01",
   "condition": "table_bordered",
   "type": "table",
   "question": "ruri-v3-reranker-310m のモデルの大きさはいくつか",
   "answer": "315.2M",
   "evidence": {
    "row_header": "ruri-v3-reranker-310m",
    "col_header": "大きさ（パラメータ数）",
    "value": "315.2M"
   }
  },
  {
   "qid": "tbl_bordered_02-b1",
   "manuscript": "tbl_bordered_02",
   "condition": "table_bordered",
   "type": "body",
   "question": "kotoba-whisper の faster-whisper 版で、モデルカードの例どおりに音声を区切った長さはどれくらいか",
   "answer": "15秒",
   "evidence": "kotoba-whisper の faster-whisper 版は、モデルカード（Hugging Face の配布ページの説明）に例として載っている設定（15秒ずつ、直前の出力を文脈に使わない）で実行しました。"
  },
  {
   "qid": "tbl_bordered_02-b2",
   "manuscript": "tbl_bordered_02",
   "condition": "table_bordered",
   "type": "body",
   "question": "ReazonSpeech k2 v2 の公式コードが、長い音声を入れると警告を出す境目は何秒か",
   "answer": "30秒",
   "evidence": "ReazonSpeech k2 v2 の公式のコードは、30秒を超える音声を入力すると、メモリを多く使うため推奨しないという警告を出します。"
  },
  {
   "qid": "tbl_bordered_02-b3",
   "manuscript": "tbl_bordered_02",
   "condition": "table_bordered",
   "type": "body",
   "question": "分割せずに入力して誤り率が5割を超えた音声のうち、出力が30字に満たなかったのは何本か",
   "answer": "5本",
   "evidence": "数分の音声を分割せずに入力すると、15本中8本で誤り率が50%を超え、うち5本は出力が30字未満でした（『杜子春』の6本は2〜14%に収まりました）。"
  },
  {
   "qid": "tbl_bordered_02-t1",
   "manuscript": "tbl_bordered_02",
   "condition": "table_bordered",
   "type": "table",
   "question": "Whisper medium の雑音入りでの誤り率はいくつか",
   "answer": "6.6",
   "evidence": {
    "row_header": "Whisper medium",
    "col_header": "雑音入り",
    "value": "6.6"
   }
  },
  {
   "qid": "tbl_bordered_02-t2",
   "manuscript": "tbl_bordered_02",
   "condition": "table_bordered",
   "type": "table",
   "question": "ReazonSpeech k2 v2 の電話の音質での誤り率はいくつか",
   "answer": "4.0",
   "evidence": {
    "row_header": "ReazonSpeech k2 v2",
    "col_header": "電話の音質",
    "value": "4.0"
   }
  },
  {
   "qid": "tbl_bordered_02-t3",
   "manuscript": "tbl_bordered_02",
   "condition": "table_bordered",
   "type": "table",
   "question": "faster-whisper 版の kotoba-whisper v2.0 は、原音での誤り率がいくつか",
   "answer": "12.0",
   "evidence": {
    "row_header": "kotoba-whisper v2.0（faster-whisper 版）",
    "col_header": "原音",
    "value": "12.0"
   }
  },
  {
   "qid": "tbl_bordered_03-b1",
   "manuscript": "tbl_bordered_03",
   "condition": "table_bordered",
   "type": "body",
   "question": "評価に使った150行のうち、名前や数を差し込む記号を含む行は何行か",
   "answer": "84行",
   "evidence": "評価データ：グリムギルドの英語の文（ゲームの物語のテキストの表62個から150行。プレースホルダーのある行は84行で記号は128個、台詞は40行）と、既存の日本語版（2026年10月1日の版）です。"
  },
  {
   "qid": "tbl_bordered_03-b2",
   "manuscript": "tbl_bordered_03",
   "condition": "table_bordered",
   "type": "body",
   "question": "訳例入りの指示文では、英語と日本語の組を何行分つけたか",
   "answer": "3行",
   "evidence": "訳例つきのプロンプトは、この制約の代わりに「場面の空気、人物の感情、英語が言わずに置いた含みが伝わる日本語にしてください」と頼み、訳例の3行を英語と日本語の組で添えました。"
  },
  {
   "qid": "tbl_bordered_03-b3",
   "manuscript": "tbl_bordered_03",
   "condition": "table_bordered",
   "type": "body",
   "question": "グリムギルドの用語集で、party の訳語は何に決まっているか",
   "answer": "一党",
   "evidence": "ゲームの文には、名前や数を後から入れるプレースホルダー（{who} {place} など）と、開発元の用語集で決めた訳語（party は「一党」、petition は「依頼」など）があります。"
  },
  {
   "qid": "tbl_bordered_03-t1",
   "manuscript": "tbl_bordered_03",
   "condition": "table_bordered",
   "type": "table",
   "question": "Gemma 4 26B が訳文にプロンプトの項目名を書き出した行は、1回目・2回目でそれぞれ何行か",
   "answer": "16・18",
   "evidence": {
    "row_header": "Gemma 4 26B",
    "col_header": "項目名を書き出した行",
    "value": "16・18"
   }
  },
  {
   "qid": "tbl_bordered_03-t2",
   "manuscript": "tbl_bordered_03",
   "condition": "table_bordered",
   "type": "table",
   "question": "Hunyuan-MT 7B が決めた訳語を使えた用語は、14か所のうち1回目・2回目でそれぞれ何か所か",
   "answer": "5・5",
   "evidence": {
    "row_header": "Hunyuan-MT 7B",
    "col_header": "決めた訳語を使った用語 （14か所中）",
    "value": "5・5"
   }
  },
  {
   "qid": "tbl_bordered_03-t3",
   "manuscript": "tbl_bordered_03",
   "condition": "table_bordered",
   "type": "table",
   "question": "gpt-oss 20B が項目名を訳文に書き出した行の数は、1回目・2回目でいくつか",
   "answer": "1・2",
   "evidence": {
    "row_header": "gpt-oss 20B",
    "col_header": "項目名を書き出した行",
    "value": "1・2"
   }
  },
  {
   "qid": "tbl_bordered_04-b1",
   "manuscript": "tbl_bordered_04",
   "condition": "table_bordered",
   "type": "body",
   "question": "VOICEVOX と AivisSpeech が音声の生成前に呼んで読みを取り出す API はどれか",
   "answer": "/audio_query",
   "evidence": "読みの取り出し方：VOICEVOX と AivisSpeech は、音声を生成する前に呼ぶ /audio_query が返す読み（モーラごとの子音と母音）を使いました。"
  },
  {
   "qid": "tbl_bordered_04-b2",
   "manuscript": "tbl_bordered_04",
   "condition": "table_bordered",
   "type": "body",
   "question": "音声合成のテスト文のうち、日付や時刻を扱う文は何文か",
   "answer": "16文",
   "evidence": "テスト文（98文）：編集部が作った文で、数字・金額・単位18文、日付・時刻16文、英字・略語・製品名20文、文脈で読みが変わる語24文、難読語・地名20文です。"
  },
  {
   "qid": "tbl_bordered_04-b3",
   "manuscript": "tbl_bordered_04",
   "condition": "table_bordered",
   "type": "body",
   "question": "公開例文424文を読ませた時、COEIROINK と VOICEVOX の読みはどの程度一致したか",
   "answer": "全文で一致",
   "evidence": "公開例文の424文では、COEIROINK と VOICEVOX の読みが全文で一致しています。"
  },
  {
   "qid": "tbl_bordered_04-t1",
   "manuscript": "tbl_bordered_04",
   "condition": "table_bordered",
   "type": "table",
   "question": "Style-Bert-VITS2 の「難読語・地名（20文）」の欄の値はいくつか",
   "answer": "19",
   "evidence": {
    "row_header": "Style-Bert-VITS2",
    "col_header": "難読語・地名 （20文）",
    "value": "19"
   }
  },
  {
   "qid": "tbl_bordered_04-t2",
   "manuscript": "tbl_bordered_04",
   "condition": "table_bordered",
   "type": "table",
   "question": "AivisSpeech の「日付・時刻（16文）」の欄の値はいくつか",
   "answer": "15",
   "evidence": {
    "row_header": "AivisSpeech",
    "col_header": "日付・時刻 （16文）",
    "value": "15"
   }
  },
  {
   "qid": "tbl_bordered_04-t3",
   "manuscript": "tbl_bordered_04",
   "condition": "table_bordered",
   "type": "table",
   "question": "VOICEVOX の「難読語・地名（20文）」の欄の値はいくつか",
   "answer": "18",
   "evidence": {
    "row_header": "VOICEVOX",
    "col_header": "難読語・地名 （20文）",
    "value": "18"
   }
  },
  {
   "qid": "tbl_bordered_05-b1",
   "manuscript": "tbl_bordered_05",
   "condition": "table_bordered",
   "type": "body",
   "question": "問いと正解の言葉の重なりが小さい83問で、Qwen3-Embedding-8B の検索精度はいくつか",
   "answer": "0.811",
   "evidence": "重なりが0.5以下の83問では、BM25 が0.638、Qwen3-Embedding-8B が0.811でした。"
  },
  {
   "qid": "tbl_bordered_05-b2",
   "manuscript": "tbl_bordered_05",
   "condition": "table_bordered",
   "type": "body",
   "question": "JaCWIR で、BM25 の値が埋め込みを上回った問いは何問か",
   "answer": "112問",
   "evidence": "問いごとに比べると、BM25 のほうが高かった問いが112問、埋め込みのほうが高かった問いが73問で、残りの815問は同点です。"
  },
  {
   "qid": "tbl_bordered_05-b3",
   "manuscript": "tbl_bordered_05",
   "condition": "table_bordered",
   "type": "body",
   "question": "言葉の重なりが大きい残り67問で、BM25 の検索精度はいくつか",
   "answer": "0.888",
   "evidence": "残りの67問では、BM25 が0.888、Qwen3-Embedding-8B が0.895で、差があるとは言えませんでした。"
  },
  {
   "qid": "tbl_bordered_05-t1",
   "manuscript": "tbl_bordered_05",
   "condition": "table_bordered",
   "type": "table",
   "question": "BM25 の「JQaRA（1,667問）」の欄の値はいくつか",
   "answer": "0.504",
   "evidence": {
    "row_header": "BM25",
    "col_header": "JQaRA （1,667問）",
    "value": "0.504"
   }
  },
  {
   "qid": "tbl_bordered_05-t2",
   "manuscript": "tbl_bordered_05",
   "condition": "table_bordered",
   "type": "table",
   "question": "embeddinggemma-2 の7データの平均値（参考）はいくつか",
   "answer": "0.795",
   "evidence": {
    "row_header": "embeddinggemma-2",
    "col_header": "平均 （参考）",
    "value": "0.795"
   }
  },
  {
   "qid": "tbl_bordered_05-t3",
   "manuscript": "tbl_bordered_05",
   "condition": "table_bordered",
   "type": "table",
   "question": "multilingual-e5-base の「JQaRA（1,667問）」の欄の値はいくつか",
   "answer": "0.476",
   "evidence": {
    "row_header": "multilingual-e5-base",
    "col_header": "JQaRA （1,667問）",
    "value": "0.476"
   }
  },
  {
   "qid": "tbl_bordered_06-b1",
   "manuscript": "tbl_bordered_06",
   "condition": "table_bordered",
   "type": "body",
   "question": "OCR の検証に使った文章1つの長さは、何字から何字か",
   "answer": "281〜438字",
   "evidence": "文章は著作権の切れた6作品から2か所ずつ選んだ281〜438字です。"
  },
  {
   "qid": "tbl_bordered_06-b2",
   "manuscript": "tbl_bordered_06",
   "condition": "table_bordered",
   "type": "body",
   "question": "OCR の検証で、会話の多い作品として選んだのはどれか",
   "answer": "走れメロス",
   "evidence": "漢語の多い『山月記』、古い表記の多い『高瀬舟』、会話の多い『走れメロス』、ひらがなの多い童話『どんぐりと山猫』、近代の小説の『こころ』と『羅生門』を使いました。"
  },
  {
   "qid": "tbl_bordered_06-b3",
   "manuscript": "tbl_bordered_06",
   "condition": "table_bordered",
   "type": "body",
   "question": "OCR の文字誤り率は、抜けた字や余計な字の数を何で割った値か",
   "answer": "正解の字数",
   "evidence": "文字誤り率は正解の字数に対する、抜けた字・違う字・余計な字の数の割合です。"
  },
  {
   "qid": "tbl_bordered_06-t1",
   "manuscript": "tbl_bordered_06",
   "condition": "table_bordered",
   "type": "table",
   "question": "Tesseract 5.5 でスキャン風の画像を読んだ時の文字誤り率は何%か",
   "answer": "2.74%",
   "evidence": {
    "row_header": "Tesseract 5.5",
    "col_header": "スキャン風",
    "value": "2.74%"
   }
  },
  {
   "qid": "tbl_bordered_06-t2",
   "manuscript": "tbl_bordered_06",
   "condition": "table_bordered",
   "type": "table",
   "question": "GLM-OCR で横書きの画像を読んだ時の文字誤り率は何%か",
   "answer": "0.74%",
   "evidence": {
    "row_header": "GLM-OCR",
    "col_header": "横書き",
    "value": "0.74%"
   }
  },
  {
   "qid": "tbl_bordered_06-t3",
   "manuscript": "tbl_bordered_06",
   "condition": "table_bordered",
   "type": "table",
   "question": "PaddleOCR（PP-OCRv5）でスキャン風の画像を読んだ時の文字誤り率は何%か",
   "answer": "84.5%",
   "evidence": {
    "row_header": "PaddleOCR（PP-OCRv5）",
    "col_header": "スキャン風",
    "value": "84.5%"
   }
  },
  {
   "qid": "tbl_borderless_01-b1",
   "manuscript": "tbl_borderless_01",
   "condition": "table_borderless",
   "type": "body",
   "question": "背景除去の本文で、版の指定なしに「U²-Net」と書かれているモデルは、正解との差の平均がいくつか",
   "answer": "4.20%",
   "evidence": "BiRefNet の人物用・汎用・汎用の軽量版と InSPyReNet の標準が上位で、U²-Net は4.20%でした。"
  },
  {
   "qid": "tbl_borderless_01-b2",
   "manuscript": "tbl_borderless_01",
   "condition": "table_borderless",
   "type": "body",
   "question": "BiRefNet の人物用と汎用を写真ごとに比べると、人物用のほうが正解に近かった写真は何枚か",
   "answer": "435枚",
   "evidence": "1位の人物用と2位の汎用ははっきりした差で（435枚対63枚）、BiRefNet の汎用は U²-Net より正解に近い写真が500枚中498枚ありました。"
  },
  {
   "qid": "tbl_borderless_01-b3",
   "manuscript": "tbl_borderless_01",
   "condition": "table_borderless",
   "type": "body",
   "question": "植物の写真のうち、平均で正解との差が最小だった InSPyReNet の標準の値はいくつか",
   "answer": "1.11%",
   "evidence": "植物の写真では、平均の差が最も小さいのは InSPyReNet の標準（1.11%）でした。"
  },
  {
   "qid": "tbl_borderless_01-t1",
   "manuscript": "tbl_borderless_01",
   "condition": "table_borderless",
   "type": "table",
   "question": "U²-Net の軽量版は、物の写真で正解との差が何%か",
   "answer": "2.50%",
   "evidence": {
    "row_header": "U²-Net（軽量版）",
    "col_header": "物 （91枚）",
    "value": "2.50%"
   }
  },
  {
   "qid": "tbl_borderless_01-t2",
   "manuscript": "tbl_borderless_01",
   "condition": "table_borderless",
   "type": "table",
   "question": "背景に紛れた物の検出用の BiRefNet は、植物の写真で正解との差が何%か",
   "answer": "20.53%",
   "evidence": {
    "row_header": "BiRefNet（背景に紛れた物の検出用）",
    "col_header": "植物 （75枚）",
    "value": "20.53%"
   }
  },
  {
   "qid": "tbl_borderless_01-t3",
   "manuscript": "tbl_borderless_01",
   "condition": "table_borderless",
   "type": "table",
   "question": "人物用の U²-Net は、全体の写真で正解との差が何%か",
   "answer": "5.67%",
   "evidence": {
    "row_header": "U²-Net（人物用）",
    "col_header": "全体 （500枚）",
    "value": "5.67%"
   }
  },
  {
   "qid": "tbl_borderless_02-b1",
   "manuscript": "tbl_borderless_02",
   "condition": "table_borderless",
   "type": "body",
   "question": "4xRealWebPhoto v4 の浮世絵での見た目の近さ（LPIPS）はいくつか",
   "answer": "0.131",
   "evidence": "見た目の近さが最良の 4xRealWebPhoto v4 は、写真で0.145、浮世絵で0.131でした。"
  },
  {
   "qid": "tbl_borderless_02-b2",
   "manuscript": "tbl_borderless_02",
   "condition": "table_borderless",
   "type": "body",
   "question": "Real-ESRGAN x4plus の写真での数値の近さは、従来の拡大より何 dB 低いか",
   "answer": "0.97 dB",
   "evidence": "Real-ESRGAN x4plus は、写真で従来の拡大より0.97 dB 低く、従来の拡大のほうが数値で近かった画像が190枚中169枚、x4plus のほうが近かった画像が21枚でした。"
  },
  {
   "qid": "tbl_borderless_02-b3",
   "manuscript": "tbl_borderless_02",
   "condition": "table_borderless",
   "type": "body",
   "question": "縮小だけを前提にした3モデルは、写真の数値の近さが 26.5 dB からどこまで上がったか",
   "answer": "28.5〜28.7 dB",
   "evidence": "縮小だけを想定した3つは、数値の平均が写真で26.5 dB から28.5〜28.7 dB、浮世絵で26.5 dB から29.5〜29.8 dB に上がりました。"
  },
  {
   "qid": "tbl_borderless_02-t1",
   "manuscript": "tbl_borderless_02",
   "condition": "table_borderless",
   "type": "table",
   "question": "DAT x4 で CPU の8コアを使うと、1枚の拡大に何秒かかるか",
   "answer": "20.4〜20.6秒",
   "evidence": {
    "row_header": "DAT x4",
    "col_header": "CPU 8コア 1枚",
    "value": "20.4〜20.6秒"
   }
  },
  {
   "qid": "tbl_borderless_02-t2",
   "manuscript": "tbl_borderless_02",
   "condition": "table_borderless",
   "type": "table",
   "question": "Real-ESRGAN x4plus は、GPU の H200 で1枚の拡大に何秒かかるか",
   "answer": "0.11秒",
   "evidence": {
    "row_header": "Real-ESRGAN x4plus",
    "col_header": "GPU（H200）1枚",
    "value": "0.11秒"
   }
  },
  {
   "qid": "tbl_borderless_02-t3",
   "manuscript": "tbl_borderless_02",
   "condition": "table_borderless",
   "type": "table",
   "question": "BSRGAN の重みは、配布元がどのライセンスと記載しているか",
   "answer": "Apache-2.0",
   "evidence": {
    "row_header": "BSRGAN",
    "col_header": "重みの配布元の記載",
    "value": "Apache-2.0"
   }
  },
  {
   "qid": "tbl_borderless_03-b1",
   "manuscript": "tbl_borderless_03",
   "condition": "table_borderless",
   "type": "body",
   "question": "FLORES-200 の英語の原文のうち、Wikibooks 由来は何文か",
   "answer": "351文",
   "evidence": "英語の原文の内訳は Wikibooks 351文、Wikinews 341文、Wikivoyage 320文です（配布データのメタデータで確認）。"
  },
  {
   "qid": "tbl_borderless_03-b2",
   "manuscript": "tbl_borderless_03",
   "condition": "table_borderless",
   "type": "body",
   "question": "翻訳の採点に使った COMET のモデルは何か",
   "answer": "Unbabel/wmt22-comet-da",
   "evidence": "採点：COMET は Unbabel/wmt22-comet-da（unbabel-comet 2.2.7）です。"
  },
  {
   "qid": "tbl_borderless_03-b3",
   "manuscript": "tbl_borderless_03",
   "condition": "table_borderless",
   "type": "body",
   "question": "COMET の信頼区間を求める時、文の選び直しを何回繰り返したか",
   "answer": "1,000回",
   "evidence": "95%信頼区間は1,012文から重複を許して1,012文を選ぶ作業を1,000回繰り返し（ブートストラップ法、シード値20261109）、平均点と2モデルの差を計算し直して求めました。"
  },
  {
   "qid": "tbl_borderless_03-t1",
   "manuscript": "tbl_borderless_03",
   "condition": "table_borderless",
   "type": "table",
   "question": "Hunyuan-MT 7B の英語から日本語への COMET は、1回目・2回目で何点か",
   "answer": "92.42／92.41",
   "evidence": {
    "row_header": "Hunyuan-MT 7B （Tencent）",
    "col_header": "英語→ 日本語",
    "value": "92.42／92.41"
   }
  },
  {
   "qid": "tbl_borderless_03-t2",
   "manuscript": "tbl_borderless_03",
   "condition": "table_borderless",
   "type": "table",
   "question": "Claude Haiku 5.5 の日本語から英語への COMET は、1回目・2回目で何点か",
   "answer": "88.75／89.00",
   "evidence": {
    "row_header": "Claude Haiku 5.5 （Anthropic）",
    "col_header": "日本語→ 英語",
    "value": "88.75／89.00"
   }
  },
  {
   "qid": "tbl_borderless_03-t3",
   "manuscript": "tbl_borderless_03",
   "condition": "table_borderless",
   "type": "table",
   "question": "Qwen3.5 27B の英語から日本語への COMET は、1回目・2回目で何点か",
   "answer": "92.05／92.05",
   "evidence": {
    "row_header": "Qwen3.5 27B （Alibaba）",
    "col_header": "英語→ 日本語",
    "value": "92.05／92.05"
   }
  },
  {
   "qid": "tbl_borderless_04-b1",
   "manuscript": "tbl_borderless_04",
   "condition": "table_borderless",
   "type": "body",
   "question": "題から要旨を探す NLP Journal で、BM25 の時点ですでにいくつの値だったか",
   "answer": "0.970",
   "evidence": "NLP Journal（題→要旨）は、BM25 がすでに0.970で、6個のうち3個が上がり、3個は差があるとは言えませんでした。"
  },
  {
   "qid": "tbl_borderless_04-b2",
   "manuscript": "tbl_borderless_04",
   "condition": "table_borderless",
   "type": "body",
   "question": "JaGovFaqs で、Qwen3-Embedding-8B より ruri-v3-310m の値が上だった問いは何問か",
   "answer": "754問",
   "evidence": "JaGovFaqs では、ruri-v3-310m のほうが高かった問いが754問、Qwen3-Embedding-8B のほうが高かった問いが411問で、平均は ruri-v3-310m が0.772、Qwen3-Embedding-8B が0.726でした。"
  },
  {
   "qid": "tbl_borderless_04-b3",
   "manuscript": "tbl_borderless_04",
   "condition": "table_borderless",
   "type": "body",
   "question": "reranker で順位が悪化した6通りに共通するデータはどれか",
   "answer": "NLP Journal（要旨→本文）",
   "evidence": "下がった6通りは、すべて NLP Journal（要旨→本文）です。"
  },
  {
   "qid": "tbl_borderless_04-t1",
   "manuscript": "tbl_borderless_04",
   "condition": "table_borderless",
   "type": "table",
   "question": "bge-m3 が出力するベクトルの次元数はいくつか",
   "answer": "1024",
   "evidence": {
    "row_header": "bge-m3",
    "col_header": "次元",
    "value": "1024"
   }
  },
  {
   "qid": "tbl_borderless_04-t2",
   "manuscript": "tbl_borderless_04",
   "condition": "table_borderless",
   "type": "table",
   "question": "ruri-v3-130m のパラメータ数はいくつか",
   "answer": "132.1M",
   "evidence": {
    "row_header": "ruri-v3-130m",
    "col_header": "パラメータ数",
    "value": "132.1M"
   }
  },
  {
   "qid": "tbl_borderless_04-t3",
   "manuscript": "tbl_borderless_04",
   "condition": "table_borderless",
   "type": "table",
   "question": "multilingual-e5-small の revision は、先頭10字でどう始まるか",
   "answer": "614241f622",
   "evidence": {
    "row_header": "multilingual-e5-small",
    "col_header": "版（revision の先頭10字）",
    "value": "614241f622"
   }
  },
  {
   "qid": "tbl_borderless_05-b1",
   "manuscript": "tbl_borderless_05",
   "condition": "table_borderless",
   "type": "body",
   "question": "JQaRA の BM25 を、公表と同じ索引の作り方で測り直した値はいくつか",
   "answer": "0.4584",
   "evidence": "同じ作り方で測り直すと、JQaRA は0.4584で、公表の値と一致しました。"
  },
  {
   "qid": "tbl_borderless_05-b2",
   "manuscript": "tbl_borderless_05",
   "condition": "table_borderless",
   "type": "body",
   "question": "JaCWIR のページで公表されている BM25 の MAP@10 はいくつか",
   "answer": "0.8408",
   "evidence": "JaCWIR は、公表の MAP@10（nDCG@10 とは別の指標。JaCWIR のページ）が0.8408、同じ作り方で測り直した値が0.8394でした。"
  },
  {
   "qid": "tbl_borderless_05-b3",
   "manuscript": "tbl_borderless_05",
   "condition": "table_borderless",
   "type": "body",
   "question": "この記事の BM25 が索引を作った JQaRA の候補全体の文書は、本文で何万件と書かれているか",
   "answer": "14.4万件",
   "evidence": "この記事の BM25 は、候補全体（JQaRA で14.4万件の文書）で索引を作っています。"
  },
  {
   "qid": "tbl_borderless_05-t1",
   "manuscript": "tbl_borderless_05",
   "condition": "table_borderless",
   "type": "table",
   "question": "実測表の「文書」の欄で、JQaRA の値はいくつか",
   "answer": "144,372",
   "evidence": {
    "row_header": "JQaRA",
    "col_header": "文書",
    "value": "144,372"
   }
  },
  {
   "qid": "tbl_borderless_05-t2",
   "manuscript": "tbl_borderless_05",
   "condition": "table_borderless",
   "type": "table",
   "question": "JaGovFaqs-22k に含まれる問いはいくつか",
   "answer": "3,420",
   "evidence": {
    "row_header": "JaGovFaqs-22k",
    "col_header": "問い",
    "value": "3,420"
   }
  },
  {
   "qid": "tbl_borderless_05-t3",
   "manuscript": "tbl_borderless_05",
   "condition": "table_borderless",
   "type": "table",
   "question": "MIRACL 日本語の文書は何件あるか",
   "answer": "8,066",
   "evidence": {
    "row_header": "MIRACL 日本語",
    "col_header": "文書",
    "value": "8,066"
   }
  },
  {
   "qid": "tbl_cross_01-b1",
   "manuscript": "tbl_cross_01",
   "condition": "table_crosses_page",
   "type": "body",
   "question": "この記事で使った BM25（公表より強い基準線）は、JaCWIR の MAP@10 だといくつか",
   "answer": "0.907",
   "evidence": "公表の BM25 より強い基準線で、JQaRA は0.504、JaCWIR は nDCG@10 が0.925、公表と同じ指標の MAP@10 では0.907でした。"
  },
  {
   "qid": "tbl_cross_01-b2",
   "manuscript": "tbl_cross_01",
   "condition": "table_crosses_page",
   "type": "body",
   "question": "JaCWIR で公表の方法に合わせて BM25 をやり直して測った MAP@10 はいくつか",
   "answer": "0.8394",
   "evidence": "JaCWIR は、公表の MAP@10（nDCG@10 とは別の指標。JaCWIR のページ）が0.8408、同じ作り方で測り直した値が0.8394でした。"
  },
  {
   "qid": "tbl_cross_01-b3",
   "manuscript": "tbl_cross_01",
   "condition": "table_crosses_page",
   "type": "body",
   "question": "JQaRA の公表値の BM25 は、各問いにつき何件の候補から索引を作ったか",
   "answer": "100候補",
   "evidence": "公表されている BM25 は、問いごとの100候補だけで索引（単語の出現数の統計）を作っています（JQaRA のデータセットのページ、実装）。"
  },
  {
   "qid": "tbl_cross_01-t1",
   "manuscript": "tbl_cross_01",
   "condition": "table_crosses_page",
   "type": "table",
   "question": "bge-m3 は、NLP Journal の要旨から本文を探す510問で、検索精度がいくつか",
   "answer": "0.902",
   "evidence": {
    "row_header": "bge-m3・NLPJournal（要旨→本文）（510問）",
    "col_header": "値",
    "value": "0.902"
   }
  },
  {
   "qid": "tbl_cross_01-t2",
   "manuscript": "tbl_cross_01",
   "condition": "table_crosses_page",
   "type": "table",
   "question": "Qwen3-Embedding-8B は、自作データの150問で検索精度がいくつか",
   "answer": "0.848",
   "evidence": {
    "row_header": "Qwen3-Embedding-8B・自作データ（150問）",
    "col_header": "値",
    "value": "0.848"
   }
  },
  {
   "qid": "tbl_cross_01-t3",
   "manuscript": "tbl_cross_01",
   "condition": "table_crosses_page",
   "type": "table",
   "question": "bekko-embedding-v1-a25m の JaGovFaqs-22k での検索精度はいくつか",
   "answer": "0.692",
   "evidence": {
    "row_header": "bekko-embedding-v1-a25m・JaGovFaqs-22k（3,420問）",
    "col_header": "値",
    "value": "0.692"
   }
  },
  {
   "qid": "tbl_cross_02-b1",
   "manuscript": "tbl_cross_02",
   "condition": "table_crosses_page",
   "type": "body",
   "question": "透けて見える物の写真で、BiRefNet の人物用が大きく失敗した枚数は何枚か",
   "answer": "27枚",
   "evidence": "全体で最も正解に近かった BiRefNet の人物用でも34枚中27枚で大きく失敗し、うち26枚は、被写体の一部を背景と一緒に消す失敗でした（消えたのが透けて見える部分かどうかは数えていません）。"
  },
  {
   "qid": "tbl_cross_02-b2",
   "manuscript": "tbl_cross_02",
   "condition": "table_crosses_page",
   "type": "body",
   "question": "CPU の8コアだけで InSPyReNet の標準を動かすと、1枚の切り抜きに何秒かかるか",
   "answer": "3.5〜5.8秒",
   "evidence": "サーバー用の CPU の8コアだけで切り抜くと、1枚あたりの時間（中央値）は、BiRefNet の人物用が7.2〜10.0秒、汎用が7.1〜10.4秒、InSPyReNet の標準が3.5〜5.8秒、U²-Net が0.13〜0.18秒でした。"
  },
  {
   "qid": "tbl_cross_02-b3",
   "manuscript": "tbl_cross_02",
   "condition": "table_crosses_page",
   "type": "body",
   "question": "H200 の GPU で BiRefNet の人物用が1枚を切り抜く時間はどのくらいか",
   "answer": "0.15秒",
   "evidence": "GPU（NVIDIA H200）では、2回とも BiRefNet の人物用が約0.15秒、U²-Net が約0.03秒でした。"
  },
  {
   "qid": "tbl_cross_02-t1",
   "manuscript": "tbl_cross_02",
   "condition": "table_crosses_page",
   "type": "table",
   "question": "細かい形の切り抜き用の BiRefNet は、透けて見える物の写真で正解との差が何%か",
   "answer": "11.66%",
   "evidence": {
    "row_header": "BiRefNet（細かい形の切り抜き用）・透けて見える物（34枚）",
    "col_header": "値",
    "value": "11.66%"
   }
  },
  {
   "qid": "tbl_cross_02-t2",
   "manuscript": "tbl_cross_02",
   "condition": "table_crosses_page",
   "type": "table",
   "question": "汎用の IS-Net が大きく失敗した写真は何枚か",
   "answer": "138枚",
   "evidence": {
    "row_header": "IS-Net（汎用）・大きく失敗した写真",
    "col_header": "値",
    "value": "138枚"
   }
  },
  {
   "qid": "tbl_cross_02-t3",
   "manuscript": "tbl_cross_02",
   "condition": "table_crosses_page",
   "type": "table",
   "question": "U²-Net は、植物の写真で正解との差が何%か",
   "answer": "5.46%",
   "evidence": {
    "row_header": "U²-Net・植物（75枚）",
    "col_header": "値",
    "value": "5.46%"
   }
  },
  {
   "qid": "tbl_cross_03-b1",
   "manuscript": "tbl_cross_03",
   "condition": "table_crosses_page",
   "type": "body",
   "question": "GPU のメモリが8GB以下で足りたモデルは、8〜9B級の中にいくつあるか",
   "answer": "8モデル",
   "evidence": "使用量が8GB以下だったのは、8〜9B級の8モデル（5.9〜7.2GB）です。"
  },
  {
   "qid": "tbl_cross_03-b2",
   "manuscript": "tbl_cross_03",
   "condition": "table_crosses_page",
   "type": "body",
   "question": "JCommonsenseQA で最も正答率が低かった Llama-3-ELYZA-JP 8B の、1回目の値は何%か",
   "answer": "73.5%",
   "evidence": "最も低かったのは Llama-3-ELYZA-JP 8B（73.5%／73.7%）です。"
  },
  {
   "qid": "tbl_cross_03-b3",
   "manuscript": "tbl_cross_03",
   "condition": "table_crosses_page",
   "type": "body",
   "question": "JCommonsenseQA で2回の正答数の差が最大だった DeepSeek-R1 14B は、何問違ったか",
   "answer": "8問",
   "evidence": "2回の正答数の差は最も大きい DeepSeek-R1 14B で8問（0.8ポイント未満）でした。"
  },
  {
   "qid": "tbl_cross_03-t1",
   "manuscript": "tbl_cross_03",
   "condition": "table_crosses_page",
   "type": "table",
   "question": "DeepSeek-R1 14B で日本語の回答に外国語が混ざった本数は、1回目・2回目でそれぞれ何本か",
   "answer": "20／15本",
   "evidence": {
    "row_header": "DeepSeek-R1 14B・外国語が混ざった本数",
    "col_header": "値",
    "value": "20／15本"
   }
  },
  {
   "qid": "tbl_cross_03-t2",
   "manuscript": "tbl_cross_03",
   "condition": "table_crosses_page",
   "type": "table",
   "question": "Gemma 4 26B が使う GPU のメモリは何GBか",
   "answer": "20.1GB",
   "evidence": {
    "row_header": "Gemma 4 26B・GPUのメモリ",
    "col_header": "値",
    "value": "20.1GB"
   }
  },
  {
   "qid": "tbl_cross_03-t3",
   "manuscript": "tbl_cross_03",
   "condition": "table_crosses_page",
   "type": "table",
   "question": "Qwen3.5 27B の常識問題の正答率は、1回目・2回目で何%か",
   "answer": "96.4／96.4",
   "evidence": {
    "row_header": "Qwen3.5 27B・常識問題",
    "col_header": "値",
    "value": "96.4／96.4"
   }
  },
  {
   "qid": "tbl_cross_04-b1",
   "manuscript": "tbl_cross_04",
   "condition": "table_crosses_page",
   "type": "body",
   "question": "Gemini 3.8 Flash の英日翻訳の COMET は、1回目に何点だったか",
   "answer": "92.58",
   "evidence": "Gemini 3.8 Flash（92.58／92.54）の点は Claude Opus 5.5 と Gemma 4 26B の間でしたが、順位は付けていません。"
  },
  {
   "qid": "tbl_cross_04-b2",
   "manuscript": "tbl_cross_04",
   "condition": "table_crosses_page",
   "type": "body",
   "question": "Claude Opus 5.5 と、ローカルで最高点の Gemma 4 26B の COMET の差は、1回目でいくつか",
   "answer": "0.24点",
   "evidence": "1回目の値で比べると、ローカルで動くモデルで最も高い Gemma 4 26B との差は0.24点でした。"
  },
  {
   "qid": "tbl_cross_04-b3",
   "manuscript": "tbl_cross_04",
   "condition": "table_crosses_page",
   "type": "body",
   "question": "実測表で訳の失敗を数えた列は、英日の何文を対象にしているか",
   "answer": "1,012文",
   "evidence": "「失敗した文」の列は英語→日本語の1,012文のうち、訳文が出力されなかった文や中国語の字が混ざった文などを数えたものです（数え方は図5）。"
  },
  {
   "qid": "tbl_cross_04-t1",
   "manuscript": "tbl_cross_04",
   "condition": "table_crosses_page",
   "type": "table",
   "question": "TranslateGemma 4B の日本語から英語への chrF は、1回目・2回目でいくつか",
   "answer": "53.86／53.84",
   "evidence": {
    "row_header": "TranslateGemma 4B・chrF日→英",
    "col_header": "値",
    "value": "53.86／53.84"
   }
  },
  {
   "qid": "tbl_cross_04-t2",
   "manuscript": "tbl_cross_04",
   "condition": "table_crosses_page",
   "type": "table",
   "question": "MADLAD-400 3B の英語から日本語への BLEU は、1回目・2回目でいくつか",
   "answer": "24.62／24.62",
   "evidence": {
    "row_header": "MADLAD-400 3B・BLEU英→日",
    "col_header": "値",
    "value": "24.62／24.62"
   }
  },
  {
   "qid": "tbl_cross_04-t3",
   "manuscript": "tbl_cross_04",
   "condition": "table_crosses_page",
   "type": "table",
   "question": "Seed-X-PPO 7B の英語から日本語への chrF は、1回目・2回目でいくつか",
   "answer": "49.46／49.45",
   "evidence": {
    "row_header": "Seed-X-PPO 7B・chrF英→日",
    "col_header": "値",
    "value": "49.46／49.45"
   }
  },
  {
   "qid": "tbl_merged_01-b1",
   "manuscript": "tbl_merged_01",
   "condition": "table_merged",
   "type": "body",
   "question": "業務の依頼40本で、いずれかの回に4本以上の外国語が混ざったモデルのうち、Llama-3-ELYZA-JP 8B の本数は1回目・2回目で何本か",
   "answer": "6本／6本",
   "evidence": "ほかに、どちらかの回で4本以上だったのは、Llama-3-ELYZA-JP 8B（6本／6本）、DeepSeek-R1 8B（6本／5本）、Qwen3.5 9B（1本／4本）の3つです。"
  },
  {
   "qid": "tbl_merged_01-b2",
   "manuscript": "tbl_merged_01",
   "condition": "table_merged",
   "type": "body",
   "question": "DeepSeek-R1 14B が1回目に外国語を混ぜた20本のうち、英語の回答は何本か",
   "answer": "10本",
   "evidence": "DeepSeek-R1 14B は1回目で20本に外国語が入り、内訳は中国語6本、韓国語4本、英語10本でした。"
  },
  {
   "qid": "tbl_merged_01-b3",
   "manuscript": "tbl_merged_01",
   "condition": "table_merged",
   "type": "body",
   "question": "外国語の混入を数える時、中国語の簡体字や韓国語の文字は何字入れば1本と数えるか",
   "answer": "1字",
   "evidence": "数え方は、中国語の簡体字か韓国語の文字が1字でも入るか、英語の文が入れば1本です。"
  },
  {
   "qid": "tbl_merged_01-t1",
   "manuscript": "tbl_merged_01",
   "condition": "table_merged",
   "type": "table",
   "question": "LLM-jp-4 8B の日本語の常識問題の正答率は、1回目・2回目で何%か",
   "answer": "94.5／94.5",
   "evidence": {
    "row_header": "LLM-jp-4 8B",
    "col_header": "常識問題",
    "value": "94.5／94.5"
   }
  },
  {
   "qid": "tbl_merged_01-t2",
   "manuscript": "tbl_merged_01",
   "condition": "table_merged",
   "type": "table",
   "question": "Phi-4 14B が使う GPU のメモリは何GBか",
   "answer": "10.4GB",
   "evidence": {
    "row_header": "Phi-4 14B",
    "col_header": "GPU の メモリ",
    "value": "10.4GB"
   }
  },
  {
   "qid": "tbl_merged_01-t3",
   "manuscript": "tbl_merged_01",
   "condition": "table_merged",
   "type": "table",
   "question": "Llama-3-ELYZA-JP 8B の算数の文章題の正答率は、1回目・2回目で何%か",
   "answer": "48.0／48.8",
   "evidence": {
    "row_header": "Llama-3-ELYZA-JP 8B",
    "col_header": "算数の 文章題",
    "value": "48.0／48.8"
   }
  },
  {
   "qid": "tbl_merged_02-b1",
   "manuscript": "tbl_merged_02",
   "condition": "table_merged",
   "type": "body",
   "question": "日本語から英語への翻訳で、Claude Opus 5.5 は Gemma 4 26B を1回目にどれだけ上回ったか",
   "answer": "1.97点",
   "evidence": "1回目の差は、Claude Opus 5.5 が1.97点（95%信頼区間 1.80〜2.14点）、Claude Sonnet 5.5 が0.93点（0.80〜1.06点）で、2回目も同じ向きです。"
  },
  {
   "qid": "tbl_merged_02-b2",
   "manuscript": "tbl_merged_02",
   "condition": "table_merged",
   "type": "body",
   "question": "日本語から英語への翻訳で、Gemini 3.8 Flash は Claude Opus 5.5 より1回目に何点低かったか",
   "answer": "1.25点",
   "evidence": "Gemini 3.8 Flash（89.42／89.40）は1回目の差で、Claude Opus 5.5 より1.25点、Claude Sonnet 5.5 より0.21点低く、Gemma 4 26B より0.72点高い結果でした。"
  },
  {
   "qid": "tbl_merged_02-b3",
   "manuscript": "tbl_merged_02",
   "condition": "table_merged",
   "type": "body",
   "question": "正解とほぼ同じ英文と数える基準は、文字の並びが何割以上一致することか",
   "answer": "9割以上",
   "evidence": "そこで、正解とほぼ同じ英文（文字の並びが9割以上一致した文）を返した数を数えました。"
  },
  {
   "qid": "tbl_merged_02-t1",
   "manuscript": "tbl_merged_02",
   "condition": "table_merged",
   "type": "table",
   "question": "NLLB-200 1.3B（蒸留版）の日本語から英語への BLEU は、1回目・2回目でいくつか",
   "answer": "27.07／27.07",
   "evidence": {
    "row_header": "NLLB-200 1.3B（蒸留版）",
    "col_header": "BLEU 日→英",
    "value": "27.07／27.07"
   }
  },
  {
   "qid": "tbl_merged_02-t2",
   "manuscript": "tbl_merged_02",
   "condition": "table_merged",
   "type": "table",
   "question": "M2M100 1.2B の英語から日本語への chrF は、1回目・2回目でいくつか",
   "answer": "35.18／35.18",
   "evidence": {
    "row_header": "M2M100 1.2B",
    "col_header": "chrF 英→日",
    "value": "35.18／35.18"
   }
  },
  {
   "qid": "tbl_merged_02-t3",
   "manuscript": "tbl_merged_02",
   "condition": "table_merged",
   "type": "table",
   "question": "LLM-jp-4 8B の日本語から英語への chrF は、1回目・2回目でいくつか",
   "answer": "56.06／56.09",
   "evidence": {
    "row_header": "LLM-jp-4 8B",
    "col_header": "chrF 日→英",
    "value": "56.06／56.09"
   }
  },
  {
   "qid": "tbl_merged_03-b1",
   "manuscript": "tbl_merged_03",
   "condition": "table_merged",
   "type": "body",
   "question": "拡大モデルの比較で測ったモデルの数はいくつか",
   "answer": "14個",
   "evidence": "測ったモデル：14個です。"
  },
  {
   "qid": "tbl_merged_03-b2",
   "manuscript": "tbl_merged_03",
   "condition": "table_merged",
   "type": "body",
   "question": "拡大モデルの実行に使った PyTorch は、どのバージョンか",
   "answer": "2.15.0",
   "evidence": "PyTorch 2.15.0、NVIDIA H200 の GPU 1基。"
  },
  {
   "qid": "tbl_merged_03-b3",
   "manuscript": "tbl_merged_03",
   "condition": "table_merged",
   "type": "body",
   "question": "全モデルの読み込みに使ったライブラリ spandrel の版はいくつか",
   "answer": "0.4.2",
   "evidence": "実行は Real-ESRGAN の重みを含む全モデルを、spandrel 0.4.2 で読み込み、画像全体を一度に拡大しました（分割なし）。"
  },
  {
   "qid": "tbl_merged_03-t1",
   "manuscript": "tbl_merged_03",
   "condition": "table_merged",
   "type": "table",
   "question": "4xLSDIRplusC で CPU の8コアを使うと、1枚の拡大に何秒かかるか",
   "answer": "4.7〜5.1秒",
   "evidence": {
    "row_header": "4xLSDIRplusC",
    "col_header": "CPU 8コア 1枚",
    "value": "4.7〜5.1秒"
   }
  },
  {
   "qid": "tbl_merged_03-t2",
   "manuscript": "tbl_merged_03",
   "condition": "table_merged",
   "type": "table",
   "question": "SwinIR-M 実写の「拡大後の JPEG の大きさ」の欄はいくつか",
   "answer": "1.58倍",
   "evidence": {
    "row_header": "SwinIR-M 実写",
    "col_header": "拡大後の JPEG の大きさ",
    "value": "1.58倍"
   }
  },
  {
   "qid": "tbl_merged_03-t3",
   "manuscript": "tbl_merged_03",
   "condition": "table_merged",
   "type": "table",
   "question": "Real-HAT-GAN を H200 の GPU で動かすと、1枚の拡大に何秒かかるか",
   "answer": "0.24〜0.49秒",
   "evidence": {
    "row_header": "Real-HAT-GAN",
    "col_header": "GPU（H200）1枚",
    "value": "0.24〜0.49秒"
   }
  },
  {
   "qid": "tbl_merged_04-b1",
   "manuscript": "tbl_merged_04",
   "condition": "table_merged",
   "type": "body",
   "question": "基準にした bicubic と Lanczos の拡大に使った Pillow のバージョンはいくつか",
   "answer": "13.0.0",
   "evidence": "基準は、Pillow 13.0.0 の bicubic と Lanczos による4倍の拡大です。"
  },
  {
   "qid": "tbl_merged_04-b2",
   "manuscript": "tbl_merged_04",
   "condition": "table_merged",
   "type": "body",
   "question": "拡大モデルを測った倍率は何倍か",
   "answer": "4倍",
   "evidence": "倍率は4倍だけです。"
  },
  {
   "qid": "tbl_merged_04-b3",
   "manuscript": "tbl_merged_04",
   "condition": "table_merged",
   "type": "body",
   "question": "縮小だけを前提にした3モデルは、浮世絵で数値の近さが 26.5 dB からどこまで上がったか",
   "answer": "29.5〜29.8 dB",
   "evidence": "縮小だけを想定した3つは、数値の平均が写真で26.5 dB から28.5〜28.7 dB、浮世絵で26.5 dB から29.5〜29.8 dB に上がりました。"
  },
  {
   "qid": "tbl_merged_04-t1",
   "manuscript": "tbl_merged_04",
   "condition": "table_merged",
   "type": "table",
   "question": "縮小だけを想定した HAT x4 の、数値の近さはいくつか",
   "answer": "28.65",
   "evidence": {
    "row_header": "HAT x4",
    "col_header": "数値の近さ",
    "value": "28.65"
   }
  },
  {
   "qid": "tbl_merged_04-t2",
   "manuscript": "tbl_merged_04",
   "condition": "table_merged",
   "type": "table",
   "question": "4xHFA2k の数値の近さはいくつか",
   "answer": "26.52",
   "evidence": {
    "row_header": "4xHFA2k",
    "col_header": "数値の近さ",
    "value": "26.52"
   }
  },
  {
   "qid": "tbl_merged_04-t3",
   "manuscript": "tbl_merged_04",
   "condition": "table_merged",
   "type": "table",
   "question": "Lanczos による4倍拡大の数値の近さはいくつか",
   "answer": "26.67",
   "evidence": {
    "row_header": "従来の拡大（Lanczos）",
    "col_header": "数値の近さ",
    "value": "26.67"
   }
  },
  {
   "qid": "tbl_merged_05-b1",
   "manuscript": "tbl_merged_05",
   "condition": "table_merged",
   "type": "body",
   "question": "4xRealWebPhoto v4 は、浮世絵で従来の拡大より数値の近さが何 dB 良くなったか",
   "answer": "0.66 dB",
   "evidence": "4xRealWebPhoto v4 と 4xHFA2k は、写真では従来の拡大と差があるとは言えず、浮世絵では従来の拡大より近くなりました（4xRealWebPhoto v4 は0.66 dB）。"
  },
  {
   "qid": "tbl_merged_05-b2",
   "manuscript": "tbl_merged_05",
   "condition": "table_merged",
   "type": "body",
   "question": "見た目の近さが最良のモデルは、2番手の 4xLSDIRplusC より近い写真が190枚のうち何枚あったか",
   "answer": "175枚",
   "evidence": "次点の 4xLSDIRplusC より近かった画像は、写真で190枚中175枚、浮世絵で140枚中140枚あり、差があります。"
  },
  {
   "qid": "tbl_merged_05-b3",
   "manuscript": "tbl_merged_05",
   "condition": "table_merged",
   "type": "body",
   "question": "JPEG で荒れた写真では、14個のモデルがそろって従来の拡大より数値の近さで劣った。その差の範囲は",
   "answer": "−0.27〜−1.45 dB",
   "evidence": "数値の近さは、写真では14個すべてが従来の拡大を下回りました（−0.27〜−1.45 dB）。"
  },
  {
   "qid": "tbl_merged_05-t1",
   "manuscript": "tbl_merged_05",
   "condition": "table_merged",
   "type": "table",
   "question": "DAT x4 の数値の近さはいくつか",
   "answer": "29.68",
   "evidence": {
    "row_header": "DAT x4",
    "col_header": "数値の近さ",
    "value": "29.68"
   }
  },
  {
   "qid": "tbl_merged_05-t2",
   "manuscript": "tbl_merged_05",
   "condition": "table_merged",
   "type": "table",
   "question": "BSRGAN の数値の近さはいくつか",
   "answer": "26.64",
   "evidence": {
    "row_header": "BSRGAN",
    "col_header": "数値の近さ",
    "value": "26.64"
   }
  },
  {
   "qid": "tbl_merged_05-t3",
   "manuscript": "tbl_merged_05",
   "condition": "table_merged",
   "type": "table",
   "question": "4xRealWebPhoto v4 の数値の近さはいくつか",
   "answer": "27.18",
   "evidence": {
    "row_header": "4xRealWebPhoto v4",
    "col_header": "数値の近さ",
    "value": "27.18"
   }
  },
  {
   "qid": "tbl_wrap_01-b1",
   "manuscript": "tbl_wrap_01",
   "condition": "table_first_col_wraps",
   "type": "body",
   "question": "multilingual-e5-large と bge-m3 のライセンスは何か",
   "answer": "MIT",
   "evidence": "multilingual-e5-large と bge-m3 は MIT ライセンスです。"
  },
  {
   "qid": "tbl_wrap_01-b2",
   "manuscript": "tbl_wrap_01",
   "condition": "table_first_col_wraps",
   "type": "body",
   "question": "自作データでの ruri-v3-30m の検索精度はいくつか",
   "answer": "0.737",
   "evidence": "自作データでは、ruri-v3-30m が0.737、BM25 が0.749で、差があるとは言えませんでした（ruri-v3-30m が高い問いが41問、BM25 が高い問いが42問）。"
  },
  {
   "qid": "tbl_wrap_01-b3",
   "manuscript": "tbl_wrap_01",
   "condition": "table_first_col_wraps",
   "type": "body",
   "question": "bge-m3 と比べた時に、ruri-v3-30m が追加で上回ったデータはどれか",
   "answer": "JaGovFaqs",
   "evidence": "bge-m3 との比較では、JaGovFaqs も上回りました。"
  },
  {
   "qid": "tbl_wrap_01-t1",
   "manuscript": "tbl_wrap_01",
   "condition": "table_first_col_wraps",
   "type": "table",
   "question": "granite-embedding-311m-multilingual-r2 のパラメータ数はいくつか",
   "answer": "311.7M",
   "evidence": {
    "row_header": "granite-embedding-311m-multilingual-r2",
    "col_header": "パラメータ数",
    "value": "311.7M"
   }
  },
  {
   "qid": "tbl_wrap_01-t2",
   "manuscript": "tbl_wrap_01",
   "condition": "table_first_col_wraps",
   "type": "table",
   "question": "Qwen3-Embedding-8B が出力するベクトルの次元数はいくつか",
   "answer": "4096",
   "evidence": {
    "row_header": "Qwen3-Embedding-8B",
    "col_header": "次元",
    "value": "4096"
   }
  },
  {
   "qid": "tbl_wrap_01-t3",
   "manuscript": "tbl_wrap_01",
   "condition": "table_first_col_wraps",
   "type": "table",
   "question": "embeddinggemma-2 のパラメータ数はいくつか",
   "answer": "744M",
   "evidence": {
    "row_header": "embeddinggemma-2",
    "col_header": "パラメータ数",
    "value": "744M"
   }
  },
  {
   "qid": "tbl_wrap_02-b1",
   "manuscript": "tbl_wrap_02",
   "condition": "table_first_col_wraps",
   "type": "body",
   "question": "英日翻訳で、Claude Sonnet 5.5 の COMET は Gemma 4 26B より1回目に何点低いか",
   "answer": "0.02点",
   "evidence": "Claude Sonnet 5.5 は Gemma 4 26B より1回目で0.02点低く、95%信頼区間は−0.12〜+0.10点です。"
  },
  {
   "qid": "tbl_wrap_02-b2",
   "manuscript": "tbl_wrap_02",
   "condition": "table_first_col_wraps",
   "type": "body",
   "question": "COMET が92点以上だった10モデルのうち、最高と最低の差は1回目でいくつか",
   "answer": "0.64点",
   "evidence": "92点以上の10モデル（クラウドのモデル4つを含む）では、最も高いモデルと最も低いモデルの差が、1回目0.64点・2回目0.69点しかありません。"
  },
  {
   "qid": "tbl_wrap_02-b3",
   "manuscript": "tbl_wrap_02",
   "condition": "table_first_col_wraps",
   "type": "body",
   "question": "Gemma 4 26B と Gemma 4 12B の COMET の差は、2回目はいくつで誤差を超えたか",
   "answer": "0.13点",
   "evidence": "Gemma 4 12B との差は、1回目は0.09点で誤差の範囲、2回目は0.13点（95%信頼区間 0.02〜0.24点）で誤差を超えています。"
  },
  {
   "qid": "tbl_wrap_02-t1",
   "manuscript": "tbl_wrap_02",
   "condition": "table_first_col_wraps",
   "type": "table",
   "question": "Qwen3.5 9B が英語から日本語への訳に失敗した文は、1回目・2回目で何文か",
   "answer": "5／6文",
   "evidence": {
    "row_header": "Qwen3.5 9B （Alibaba）",
    "col_header": "失敗した文 （英→日）",
    "value": "5／6文"
   }
  },
  {
   "qid": "tbl_wrap_02-t2",
   "manuscript": "tbl_wrap_02",
   "condition": "table_first_col_wraps",
   "type": "table",
   "question": "TranslateGemma 12B の「日本語→英語」の欄は、1回目・2回目でいくつか",
   "answer": "87.98／87.98",
   "evidence": {
    "row_header": "TranslateGemma 12B （Google）",
    "col_header": "日本語→ 英語",
    "value": "87.98／87.98"
   }
  },
  {
   "qid": "tbl_wrap_02-t3",
   "manuscript": "tbl_wrap_02",
   "condition": "table_first_col_wraps",
   "type": "table",
   "question": "Qwen3-Swallow 8B の「英語→日本語」の欄は、1回目・2回目でいくつか",
   "answer": "90.28／90.23",
   "evidence": {
    "row_header": "Qwen3-Swallow 8B （東京科学大学など）",
    "col_header": "英語→ 日本語",
    "value": "90.28／90.23"
   }
  },
  {
   "qid": "tbl_wrap_03-b1",
   "manuscript": "tbl_wrap_03",
   "condition": "table_first_col_wraps",
   "type": "body",
   "question": "OCR の横書きの12枚について、正解の字数を合わせるといくつか",
   "answer": "4,314字",
   "evidence": "12枚の正解は合計4,314字で、0.5ポイントの差は約22字にあたります。"
  },
  {
   "qid": "tbl_wrap_03-b2",
   "manuscript": "tbl_wrap_03",
   "condition": "table_first_col_wraps",
   "type": "body",
   "question": "Tesseract の横書きで1回目に出た250字の誤りのうち、わずか2枚の画像に偏っていたのは何字か",
   "answer": "170字",
   "evidence": "1回目の誤り250字のうち170字は2枚の画像に集中していて、文のまとまりが別の位置に移っていました（行の並び順の誤り）。"
  },
  {
   "qid": "tbl_wrap_03-b3",
   "manuscript": "tbl_wrap_03",
   "condition": "table_first_col_wraps",
   "type": "body",
   "question": "Tesseract が『羅生門』で「鴉」を読み違えた字は何か",
   "answer": "狼",
   "evidence": "ほかに、『羅生門』の「鴉」を「狼」と読むなど、画数の多い漢字の読み違いもありました。"
  },
  {
   "qid": "tbl_wrap_03-t1",
   "manuscript": "tbl_wrap_03",
   "condition": "table_first_col_wraps",
   "type": "table",
   "question": "EasyOCR で横書きの画像を読んだ時の文字誤り率は何%か",
   "answer": "8.04%",
   "evidence": {
    "row_header": "EasyOCR",
    "col_header": "横書き",
    "value": "8.04%"
   }
  },
  {
   "qid": "tbl_wrap_03-t2",
   "manuscript": "tbl_wrap_03",
   "condition": "table_first_col_wraps",
   "type": "table",
   "question": "DeepSeek-OCR でスキャン風の画像を読んだ時の文字誤り率は何%か",
   "answer": "330.9%",
   "evidence": {
    "row_header": "DeepSeek-OCR",
    "col_header": "スキャン風",
    "value": "330.9%"
   }
  },
  {
   "qid": "tbl_wrap_03-t3",
   "manuscript": "tbl_wrap_03",
   "condition": "table_first_col_wraps",
   "type": "table",
   "question": "Qwen2.5-VL 7B で横書きの画像を読んだ時の文字誤り率は、1回目・2回目で何%か",
   "answer": "0.88／0.83%",
   "evidence": {
    "row_header": "Qwen2.5-VL 7B",
    "col_header": "横書き",
    "value": "0.88／0.83%"
   }
  },
  {
   "qid": "twocol_01-b1",
   "manuscript": "twocol_01",
   "condition": "two_columns",
   "type": "body",
   "question": "要旨から本文を探す NLP Journal のデータで、検索対象の本文は何件あったか",
   "answer": "637件",
   "evidence": "前者は、埋め込みが本文の先頭512トークンだけを使う条件で測りました（探す対象の本文637件が、すべて512トークンを超えていました）。"
  },
  {
   "qid": "twocol_01-b2",
   "manuscript": "twocol_01",
   "condition": "two_columns",
   "type": "body",
   "question": "JQaRA のデータセットのページに載っている BM25 の検索精度はいくつか",
   "answer": "0.458",
   "evidence": "JQaRA の公表されている BM25 は、検索精度（nDCG@10）が0.458です。"
  },
  {
   "qid": "twocol_01-b3",
   "manuscript": "twocol_01",
   "condition": "two_columns",
   "type": "body",
   "question": "ruri-v3-30m の実際のパラメータ数はおよそいくつか",
   "answer": "3,700万",
   "evidence": "ruri-v3-30m は約3,700万パラメータ（名前の30mは概数）で、次元（1つの段落を表す数値の数）は256、ライセンスは Apache 2.0 です。"
  },
  {
   "qid": "twocol_02-b1",
   "manuscript": "twocol_02",
   "condition": "two_columns",
   "type": "body",
   "question": "JPEG で荒れた文字を読み取る検証で、従来の bicubic 拡大の誤りは100字あたり何字か",
   "answer": "17.5字",
   "evidence": "JPEG で荒れた文字では、従来の拡大が17.5字（95%区間 15.8〜19.2字）で、Lanczos は15.7字でした。"
  },
  {
   "qid": "twocol_02-b2",
   "manuscript": "twocol_02",
   "condition": "two_columns",
   "type": "body",
   "question": "JPEG で荒れた文字で、HAT x4 の誤りは100字あたり何字だったか",
   "answer": "13.2字",
   "evidence": "HAT x4 は13.2字で、従来の拡大より誤りが少なかった画像が37枚、多かった画像が13枚でした（減りましたが、11個の最大の7.7字よりは多い）。"
  },
  {
   "qid": "twocol_02-b3",
   "manuscript": "twocol_02",
   "condition": "two_columns",
   "type": "body",
   "question": "拡大した結果を品質90の JPEG で保存すると、4つの条件を通して bicubic の何倍の大きさになるか",
   "answer": "1.08〜1.98倍",
   "evidence": "4つの条件（写真・浮世絵、縮めただけの画像・JPEG で荒れた画像）すべてでは1.08〜1.98倍でした。"
  },
  {
   "qid": "twocol_03-b1",
   "manuscript": "twocol_03",
   "condition": "two_columns",
   "type": "body",
   "question": "Ollama の /api/ps が示すメモリ量は、Gemma 4 の2つでいくつと出たか",
   "answer": "1.1GB",
   "evidence": "Gemma 4 の2つでは1.1GB と、ollama list が示すモデルのファイルの大きさ（8.0GB と 18GB）より小さく出ました。"
  },
  {
   "qid": "twocol_03-b2",
   "manuscript": "twocol_03",
   "condition": "two_columns",
   "type": "body",
   "question": "日本製の Llama 3.1 Swallow 8B は、MGSM の日本語の算数で1回目に何%正解したか",
   "answer": "56.8%",
   "evidence": "Llama 3.1 Swallow 8B は常識問題が92.1%／92.2%、算数の文章題が56.8%／57.2%でした。"
  },
  {
   "qid": "twocol_03-b3",
   "manuscript": "twocol_03",
   "condition": "two_columns",
   "type": "body",
   "question": "算数の文章題で、DeepSeek-R1 8B が出力の上限に達して答え切れなかった問題はいくつか",
   "answer": "37〜41問",
   "evidence": "DeepSeek-R1 8B は250問のうち37〜41問で、出力の上限（6,144トークン）までに答えを書き終えませんでした。"
  },
  {
   "qid": "twocol_04-b1",
   "manuscript": "twocol_04",
   "condition": "two_columns",
   "type": "body",
   "question": "日本語から英語への翻訳で、正解の英文と文字の並びがほぼ一致した訳を、Claude Opus 5.5 は何文返したか",
   "answer": "230文",
   "evidence": "Claude Opus 5.5 は1,012文のうち230文で、正解とほぼ同じ英文を返しました。"
  },
  {
   "qid": "twocol_04-b2",
   "manuscript": "twocol_04",
   "condition": "two_columns",
   "type": "body",
   "question": "英語から日本語への翻訳で、LLM-jp-4 8B が1回目に失敗した文はいくつか",
   "answer": "57文",
   "evidence": "LLM-jp-4 8B は1回目に57文で失敗し、うち41文は訳文が出力されませんでした。"
  },
  {
   "qid": "twocol_04-b3",
   "manuscript": "twocol_04",
   "condition": "two_columns",
   "type": "body",
   "question": "英日翻訳で、TranslateGemma 27B の COMET は何点か",
   "answer": "92.13",
   "evidence": "Google の翻訳専用モデル TranslateGemma の 27B（92.13）は、同じ Google の汎用モデル Gemma 4 26B より0.32点低く出ました（95%信頼区間 0.18〜0.45点）。"
  },
  {
   "qid": "twocol_05-b1",
   "manuscript": "twocol_05",
   "condition": "two_columns",
   "type": "body",
   "question": "訳例を3行見せるプロンプトにすると、gpt-oss 120B が付けた Gemini 3.8 Flash の読み物としての点は、1回目で何点上がったか",
   "answer": "0.44点",
   "evidence": "元のプロンプトから訳例つきに変えると、Gemini 3.8 Flash は1回目で0.44点（gpt-oss 120B の採点）と0.38点（Mistral Small 3.2）、Claude Opus 5.5 は0.28点と0.44点上がりました（1〜5点の平均）。"
  },
  {
   "qid": "twocol_05-b2",
   "manuscript": "twocol_05",
   "condition": "two_columns",
   "type": "body",
   "question": "開発元がゲームの物語の文を Gemini 3.8 Flash で訳し直したのは、何行か",
   "answer": "2,215行",
   "evidence": "訳し直したのは、場面の描写、祖父の日記、幕間の場面、結末の本文の2,215行です。"
  },
  {
   "qid": "twocol_05-b3",
   "manuscript": "twocol_05",
   "condition": "two_columns",
   "type": "body",
   "question": "訳し直した訳を既存の日本語版と比べた採点は、訳例の行を除いて何行を対象にしたか",
   "answer": "78行",
   "evidence": "採点したのは、ゲームの次のバージョン（v2.0）でも英語が変わらず、訳し直しの対象（40字以上で文末のある文など）に入った81行から、訳例の3行を除いた78行です。"
  },
  {
   "qid": "vertical_01-b1",
   "manuscript": "vertical_01",
   "condition": "vertical",
   "type": "body",
   "question": "極楽の蓮池から御釈迦様が見かけた、地獄の底にいる大泥坊の名は何か",
   "answer": "陀多"
  },
  {
   "qid": "vertical_01-b2",
   "manuscript": "vertical_01",
   "condition": "vertical",
   "type": "body",
   "question": "地獄の男が生前に一度だけ行った善い事は、どんな生き物の命を助けたことか",
   "answer": "蜘蛛"
  },
  {
   "qid": "vertical_01-b3",
   "manuscript": "vertical_01",
   "condition": "vertical",
   "type": "body",
   "question": "糸が切れた後、地獄の男は暗の底へどのような姿勢で落ちたか",
   "answer": "まっさかさま"
  },
  {
   "qid": "vertical_02-b1",
   "manuscript": "vertical_02",
   "condition": "vertical",
   "type": "body",
   "question": "メロスは暴君に、処刑までの日限を何日間与えてほしいと頼んだか",
   "answer": "三日間"
  },
  {
   "qid": "vertical_02-b2",
   "manuscript": "vertical_02",
   "condition": "vertical",
   "type": "body",
   "question": "メロスが身代わりに差し出すと言った無二の友人は、何を職業にしているか",
   "answer": "石工"
  },
  {
   "qid": "vertical_02-b3",
   "manuscript": "vertical_02",
   "condition": "vertical",
   "type": "body",
   "question": "短剣を持っていたメロスを、威厳を持って問いつめた王の名は何か",
   "answer": "ディオニス"
  },
  {
   "qid": "vertical_03-b1",
   "manuscript": "vertical_03",
   "condition": "vertical",
   "type": "body",
   "question": "李徴は官を退いた後、人との交わりを絶って何に打ち込んだか",
   "answer": "詩作"
  },
  {
   "qid": "vertical_03-b2",
   "manuscript": "vertical_03",
   "condition": "vertical",
   "type": "body",
   "question": "駅吏は、人喰虎の出る道を旅人はいつでなければ通れないと言ったか",
   "answer": "白昼"
  },
  {
   "qid": "vertical_03-b3",
   "manuscript": "vertical_03",
   "condition": "vertical",
   "type": "body",
   "question": "李徴は一年ほど前の旅で、どこのほとりに泊まった夜に声に呼ばれたか",
   "answer": "汝水"
  },
  {
   "qid": "vertical_04-b1",
   "manuscript": "vertical_04",
   "condition": "vertical",
   "type": "body",
   "question": "山奥で犬が死んだ時、最初の紳士はいくらの損害だと言ったか",
   "answer": "二千四百円"
  },
  {
   "qid": "vertical_04-b2",
   "manuscript": "vertical_04",
   "condition": "vertical",
   "type": "body",
   "question": "扉の脇の硝子の壺に入っていたものは何か",
   "answer": "牛乳のクリーム"
  },
  {
   "qid": "vertical_04-b3",
   "manuscript": "vertical_04",
   "condition": "vertical",
   "type": "body",
   "question": "二人が見つけた西洋造りの家の玄関は、何でできていたか",
   "answer": "白い瀬戸の煉瓦"
  }
 ]
}