用語集 / 評価・安全性 評価（Evals）とは 評価（Evals）とは、自分たちの目的に合わせてAIの出力が実際に役立っているかを継続的に測定・確認する取り組みです。共通の基準で比較するベンチマークとは異なり、自分のユースケースに即して確かめる点が特徴です。 01ベンチマークとの違い ベンチマークが「AIモデル同士を横並びで比較するための共通試験」だとすれば、評価（Evals）は「自分たちのアプリやワークフローで、その出力が本当に役立っているか」を確かめる取り組みです。たとえばAIコーディングエージェントに任せたタスクが、意図通りの品質で完了しているかをチェックリストやテストで継続的に確認します。 個人開発の場面では、大掛かりな評価基盤を作らなくても、生成されたコードに対してコードレビューや動作確認を行う習慣自体が簡易的な評価になります。ハルシネーションを早期に見つけるためにも、評価の視点を持っておくことが役立ちます。