🛡️ 评测、安全与治理
引用与事实核验
评测、安全与治理专题：用 1 个核心问题讲清原理、取舍与落地。
一句话定位
结果与轨迹评测、统计可靠性、Judge 校准、注入和红队。 质量看可验证结果，安全看最坏影响；两者都要覆盖正常、边界、失败和对抗分布。
核心原理与问题解析
如何验证引用真的支持主张？
把回答拆成可核验主张，映射到具体来源片段，检查蕴含和定位；自动 Judge 需人工校准，关键事实可要求双来源或规则验证。
继续想： 引用存在但不相关怎么算？；网页更新后如何复现？
工程落地检查
- 先定义任务级成功和失败分类
- 规则、环境、人工与 Judge 组合评分
- 报告样本量、方差和置信区间
- 权限控制独立于模型判断
- 线上失败和攻击链持续回流回归集
常见误区
- 只用平均分掩盖高风险长尾
- 把 LLM Judge 当绝对真值
- 只在最终输入输出放 Guardrail
对应面试题
延伸资料
OpenAI Evaluation Best Practices · OWASP Agentic Security Initiative