部分证据基准：衡量智能系统中授权受限的证据

企业AI代理越来越多地运行在受限的检索系统、委托工作流和策略约束的证据环境中。在这些设置中，访问控制可能被正确执行，但系统仍会给出看似完整的答案，而关键证据却位于调用者的授权边界之外。为了量化这一失败模式，Krti Tallam提出了“部分证据基准”（Partial Evidence Bench），这是一个确定性基准测试，专门衡量授权受限证据导致的完整性缺失问题。该基准包含三个场景家族：尽职调查、合规审计和安全事件响应，共计72个任务。每个任务都配套有ACL分区的语料库、完整答案的Oracle、授权视图的Oracle、完整性判断Oracle以及结构化差距报告Oracle，确保测试的确定性和可重复性。基准从四个维度评估系统：答案正确性、完整性意识、差距报告质量和危险完整性行为。实验结果显示，静默过滤在所有场景中都是灾难性的不安全行为，而明确报告失败（即fail-and-report）的行为可以消除危险完整性，同时不会使任务退化为简单的弃权。初步的真实模型运行表明，系统在完整性宣称上的行为存在模型依赖和场景敏感性差异：有的过度宣称完整性，有的保守地少报，有的以企业可用形式报告不完整性。该基准的主要贡献在于，它能够无需人工评判或易受污染的静态语料库，即可衡量这一治理关键的代理失败模式，为企业在部署AI代理时评估其完整性和安全性提供了重要的工具。此外，基准的设计允许轻松扩展新的场景和任务，未来可以涵盖更多类型的授权受限证据问题。这使得Partial Evidence Bench成为AI治理领域一个实用且可扩展的评估框架。