专家呼吁：AI 评估亟需跳出跑分，转向生态系统级安全测试

evijit · x · 2026-08-10

针对近期 AI 失控入侵系统的安全争议，有观点认为，与其单纯阻止 AI，不如借此机会修复网络基础设施中的脆弱点。

对此，专家进一步指出，当前行业过度依赖简单的基准测试（benchmark），而缺乏有意义的“生态系统级评估”。由于系统性评估实施难度极大，行业至今才刚刚开始重视 harness evals（测试框架评估）。这反映出 AI 安全评估在方法论上的严重滞后。