完全一致 (Exact Match)
読み: かんぜんいっち
最終更新: 2026-07-24・AI PICKS編集部
定義
完全一致(Exact Match)とは、モデルの出力が正解ラベルや参照文字列と一字一句同じかどうかで判定する評価指標のこと。
完全一致 (Exact Match)とは — 詳しく解説
完全一致(Exact Match)は、モデルやシステムの出力が正解データ(参照文字列)と文字単位で完全に一致するかどうかを0/1で判定する評価指標とされる。SQuADなどの質問応答ベンチマークやRAGの検索精度評価、抽出型タスクの採点で古くから使われ、部分点を認めないため厳密で解釈しやすい指標とされる。一方で、表記ゆれ(全角半角、句読点、言い回しの違い)を厳密に弾いてしまうため、意味的には正しい回答でも不一致と判定される落とし穴があるとされる。2026年時点の実運用では、LLMが自然文で柔らかく回答する場面が増え、完全一致だけでは実態より低いスコアが出やすく、正規化処理やF1スコア・意味的類似度(埋め込みベースの評価)と併用する現場が多いとされる。現場でモデルやRAGパイプラインの評価設計を選ぶ際は、抽出タスクのように答えが一意に定まる用途では完全一致を主指標にし、要約や対話のように表現の幅がある用途では別指標を優先する判断が必要とされる。評価データセットの整備や継続的な再評価には工数がかかり、コストや相場感としては小規模チームでも月次〜四半期ごとの見直しが目安とされる。
完全一致 (Exact Match)の使用例
- 抽出型QAタスクの評価で、モデルの回答が正解文字列と完全一致するか(EM)と、部分一致を許すF1を併記する。
- 「精度95%」と表示されても完全一致基準か柔軟一致基準かで数値の意味が変わるため評価条件を確認する。
完全一致 (Exact Match)に関連するAIツール
関連用語
「評価指標」の他の用語
Massive Multitask Language Understanding。 57 分野・1.5 万問の LLM 知識評価ベンチマーク。
OpenAI 発の Python コーディング能力ベンチマーク。 164 問の関数実装タスク。
ユーザー投票による LLM の人間評価ランキング。 Elo レーティングで モデルを順位付け。
ベンチマークとは、AIモデルの性能を標準化されたテスト課題で数値化し、異なるモデル間を公平に比較するための評価基準セットのこと。MMLUやHumanEval等、用途別に数十種類が存在する。
SWE-benchとはGitHubの実際のIssueをAIが自動修正できるかを測る、コーディングAI評価の業界標準ベンチマークのこと。
GPQAとは、生物・物理・化学の大学院レベルの難問でAIの推論力を測る評価ベンチマークのこと。Googleで検索しても解けない設計が特徴。
AI用語辞典をすべて見てみませんか
12カテゴリ・913語以上を体系的に整理しています
辞典トップへ