A · 专业解题与实现
AI 评估与治理
为 AI 系统建立评估、权限、风险监控、人工介入与责任边界。
分类边界
收录: 收录 AI 系统评估设计、发布治理、风险分级、人工监督与责任追溯。
相邻分类判断: 模型接入、检索、提示和工具实现归 AI 工程;治理判断是题目主要证据时归本叶。具体安全控制可关联质量安全、交付或责任能力。
这项能力可能会在不同阶段标准中以不同深度出现。 查看阶段要求
12 道问题
按需要了解的证据选择分组。分组依据现有题型,不代表难度或必经顺序。每批最多八题。
判断与方案12
比较目标、约束、方案与取舍依据。
第 1–8 题
- 模型在公开基准上持续提升,但内部任务表现停滞,你会如何排查评估失真?
- 产品希望 AI 给出看似确定的结论,但证据只能支持概率性判断,你会怎样设计表达与追溯?
- AI 输出造成实际用户损害后,产品、模型、运营和审核团队都参与了处理。你会怎样划分处置和改进责任?
- 更换基础模型后,整体指标相近但部分用户反馈明显变差。你会怎样发现模型行为发生了哪些变化,并判断是否需要回退?
- 需要抽查线上 AI 对话来发现新风险,但对话含有个人或商业敏感信息,你会怎样设计?
- 第三方模型服务的训练、留存或跨境条款发生变化,哪些情况需要暂停调用或重新审批?
- AI 功能的平均质量达标,但少数高风险错误仍会造成损害,发布门槛怎么定?
- AI 助手可以调用内部工具,但不同任务需要不同权限,你会怎样设计授权与审计?
当前目标在这里暂无匹配题。 ·
当前目标在这项能力中暂无匹配题。 ·