事件经过
基于对37位前沿AI治理专家（来自MATS、牛津马丁AI治理倡议和Mila）的半结构化访谈，作者重构了“基于评估的治理”的隐含论证——即以AI能力评估作为风险分类和缓解的经验基础。他们确定了评估可降低风险的三条路径（使社会层面风险对决策者和公众具体化，37位受访者中有18位提及；作为治理承诺和监管的基础，18位；激励AI公司内部形成更好的风险文化，16位），以及四个主要挑战（随着能力提升，评估的信息量递减，21位；评估范式固有的测量局限性，18位；评估结果不一定会被付诸行动，16位；AI公司对评估设计、披露和回应保留的控制和裁量程度，12位）。四位参与者表示，基于评估的治理可能适得其反，因为它可能充当持续能力提升的“许可结构”。该论文发表于AIES 2026（同行评审，非仅预印本），对当前已写入欧盟《AI法案》、加州SB-53以及《前沿AI安全承诺》中的范式本身提出了批评。
影响分析
这是本周对监管机构和前沿实验室正在构建的评估机制的最有力批判性分析；它指出了具体失效模式，高管在将基准测试结果视为治理保障之前应予以权衡。
建议行动
向您的风险与合规负责人简要介绍评估饱和以及开发者对评估设计的控制问题，并敦促模型供应商对其能力声明进行独立验证。