AI 工程师必跑的 7 类评测清单，覆盖功能、安全与回归

goyalshaliniuk 在 X 发布面向 AI 工程师的评测体系科普线程，把评测分成功能、事实性与溯源、推理与任务完成、安全、鲁棒性、性能与成本、回归七类。线程给出的构建流程是先建代表性测试集、再定义各类成功指标、在改动模型、提示词或工具时重跑测试，并组合确定性检查、模型化评估器与人工抽审。作者的核心观点是评测不是为了证明 AI 不出错，而是搞清它在哪出错、多常出错、改动是否更好。