スコアリング関数（SF）は、知識グラフ内の三項組（triplet）の妥当性を測定するものである。異なるスコアリング関数は、さまざまな知識グラフにおけるリンク予測性能に大きな差をもたらすことがある。本報告では、オープングラフベンチマーク（OGB）上でランダムサーチによって発見された奇妙なスコアリング関数について述べる。この関数は「AutoWeird」と呼ばれるもので、三項組における末尾エンティティ（tail entity）と関係（relation）のみを用いて、その妥当性スコアを計算する。実験の結果、AutoWeirdは ogbl-wikikg2 データセットにおいてトップ1の性能を達成したが、一方で ogbl-biokg データセットでは他の手法と比べて著しく劣った性能を示した。これらの2つのデータセットの末尾エンティティの分布状況および評価プロトコルを分析した結果、AutoWeirdが ogbl-wikikg2 で予期せぬ成功を収めた原因は、評価プロトコルの不適切さと末尾エンティティの集中分布にあると結論づけた。このような結果は、知識グラフにおけるリンク予測手法の性能を正確に評価する方法について、さらなる研究を促すものと考えられる。