LLM 答案无法溯源,就成了进不了企业审计系统的拦路虎
DavidLinthicum · x · 2026-09-26
企业AI落地的一个老问题被重新摆上台面:准确率不是瓶颈,可追溯性(traceability)才是。
- David Linthicum 说,每次试图追踪 LLM 是怎么得出一个错误答案的,他都做不到;而无法溯源的输出,不能放进需要审计的企业系统
- 这一观点来自他和 Eric Kavanagh、David Sweenor 在 Inside Analysis(9月18日)节目的讨论,主题是"企业内部的 AI 放缓其实已经发生"
- Sweenor 的文章指出,企业 AI 采用停滞的原因在于人机协同(human-in-the-loop)环节卡住了:模型输出不可解释、不可审计,导致无法进入生产环境
- 三人将于 10/22 在匹兹堡的 Agentic Road Show 线下继续这个话题
对企业买家的启示:采购和部署 AI 时,合规与审计需求往往比模型跑分更能决定一个模型能不能上生产。
「公司和人」频道最新
- Meta 拟把 Muse 扩到 10 亿用户，每个 Agent 沙箱成本约 0.33 美元/时 — sergeykarayev · 2026-09-26
- X 原创内容激励计划启动，首批创作者分成开始发放 — deobfuscations · 2026-09-26
- 机器人论坛共识：决定胜负的不是中国机器人数量而是扩散难题 — avicgoldfarb · 2026-09-26
- NBER 测量研究:中国企业 AI 采用率低,DeepSeek 发布后明显加速 — avicgoldfarb · 2026-09-26
- 微软悄悄放弃 Copilot+ PC 品牌,新 Surface 达标却不再挂名 — Ars Technica AI · 2026-09-26
- 又一位 DeepMind 研究员辞职:造超级智能 AI 「本质上不负责任」 — The Decoder · 2026-09-26