部分證據基準：衡量智慧系統中授權受限的證據

企業AI代理越來越多地執行在受限的檢索系統、委託工作流和策略約束的證據環境中。在這些設定中，訪問控制可能被正確執行，但系統仍會給出看似完整的答案，而關鍵證據卻位於呼叫者的授權邊界之外。為了量化這一失敗模式，Krti Tallam提出了“部分證據基準”（Partial Evidence Bench），這是一個確定性基準測試，專門衡量授權受限證據導致的完整性缺失問題。該基準包含三個場景家族：盡職調查、合規審計和安全事件響應，共計72個任務。每個任務都配套有ACL分割槽的語料庫、完整答案的Oracle、授權檢視的Oracle、完整性判斷Oracle以及結構化差距報告Oracle，確保測試的確定性和可重複性。基準從四個維度評估系統：答案正確性、完整性意識、差距報告質量和危險完整性行為。實驗結果顯示，靜默過濾在所有場景中都是災難性的不安全行為，而明確報告失敗（即fail-and-report）的行為可以消除危險完整性，同時不會使任務退化為簡單的棄權。初步的真實模型執行表明，系統在完整性宣稱上的行為存在模型依賴和場景敏感性差異：有的過度宣稱完整性，有的保守地少報，有的以企業可用形式報告不完整性。該基準的主要貢獻在於，它能夠無需人工評判或易受汙染的靜態語料庫，即可衡量這一治理關鍵的代理失敗模式，為企業在部署AI代理時評估其完整性和安全性提供了重要的工具。此外，基準的設計允許輕鬆擴充套件新的場景和任務，未來可以涵蓋更多型別的授權受限證據問題。這使得Partial Evidence Bench成為AI治理領域一個實用且可擴充套件的評估框架。