评估公共行政中人工智能的蓝图

发布于2026年11月9日（文档元数据），来自斯坦福大学HAI的RegLab。这份政策蓝图阐述了政府机构如何在公共高风险服务中核实人工智能工具的可靠性。其核心论点是“常见的人工智能评估方法不足以帮助政府在实践中评估人工智能工具”，而机构已经持有“隐藏基准”——过往任务执行的行政记录，这些记录可以公布以衡量和推动人工智能进展。报告建议机构将第三方评估作为采购条件，在系统部署时运行随机A/B测试，并与大学合作获取成本效益高的独立专业支持。报告区分了两类风险——安全风险（工具被操纵/攻击；代理系统操作政府数据）和性能风险（未能实现预期收益）——并引用了部署规模：“仅在2025年，56个联邦机构报告了3,611个政府运营中的人工智能用例，较上年增长69%。”

政府是人工智能规模最大且增长最快的部署者之一，这份针对行政部门的采购与评估操作手册也预示了第三方验证标准可能的发展方向——对任何向公共部门销售人工智能的供应商均直接相关。

对于公共部门和企业人工智能保障负责人：测试你的采购流程是否将合同签订条件建立在独立第三方评估之上，以及你能否利用自身行政或运营数据中的“隐藏基准”。