Planモードスキル: AEGISモデル改善総合計画

AEGISモデルのベンチマーク性能を科学的に改善するための包括的Planモード。ABCテスト結果に基づき、ARC-Challenge、GSM8K、GRPO報酬の3つの優先領域を体系的に改善します。

🎯 主要機能

1. ARC-Challenge改善システム

• 頑健な回答抽出ロジック: 複数パターン対応の抽出関数
• タイムアウト最適化: 180秒→240秒への延長と動的調整
• 形式統一プロンプト: 応答形式の一貫性確保

2. GSM8K健全性検証システム

• データ汚染チェック: 学習データとの重複検査
• 複数seed安定性評価: 8-shot依存度の検証
• 0-shot性能確認: few-shotバイアスの評価