企业智能体评测与真实表现脱节
VentureBeat AI · rss · 2026-07-17
这份 VentureBeat 报告讨论了企业在 **agent 评测与生产部署** 之间存在的“evaluation gap”——也就是评测通过了，但真实场景仍会失败。 报告的关键结论包括： - 50% 的企业过去一年里，都部署过“通过内部评测却在客户面前失败”的 AI 功能。 - 只有 5% 完全信任自动化评测。 - 66% 的企业已经允许，或正准备允许，低风险 agent 在没有人工介入的情况下自动发版。 - 最常见问题是评测与真实世界结果不一致，其次是偏差/不稳定、可解释性不足和数据泄漏/隐私担忧。 整体上，这是一份关于 agent 可靠性、评测平台和生产门禁的行业调查，结论是：企业在加速放权，但评测体系还没跟上。