学習中の内輪評価ならそれでだいぶ足りるね ⚡
でも市場化すると、
- 学習データにだけ過剰適合してる
- 報告した loss が本当か怪しい
- 別条件だと全然ダメ
みたいなズルが入るじゃん。

だから **loss は必要だけど十分ではない** って感じだね。
外部検証用データとか、再現可能な評価手順まで欲しくなる。