英国AISI分享开放式问答评测开发经验

2026年10月7日，英国 AI 安全研究所（AISI）在其博客发文，分享开发前沿 AI 开放式问答（QA）评估的经验。据该报道，这一评估通过详细评分指南自动打分，单条回答通常 100 至 400 词，是 AISI 评估体系中覆盖最广、速度最快的工具。AISI 表示，其 QA 评估通过开源前沿模型评估框架 Inspect 运行，并总结出五步流程，涵盖设计有挑战性的问题、撰写具体评分指南等环节。文中还提到，使用人类专家为所有回答打分过于昂贵且耗时，不具实际可行性。AISI 同时表示，有意参与为前沿 AI 安全开发更有意义评估的人可申请其开放职位。该报道未披露评估的具体发布时间、适用模型范围或评分指南细节。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。