#测量效度

合规数据被误当评估：部署 AI 的测量效度

论文指出部署 AI 系统评估中的常见失败：为运营监控或合规收集的数据被当作比较评估数据使用。以自动驾驶安全评估为例，报告范围、暴露、部署域等差异限制了可支持的安全结论。作者提出评估契约，强调比较性主张需在能力、结果、暴露机会等维度对齐。