标准与监管：美国 CAISI

English version

标准与监管 · 美国 CAISI。NIST 内设 AI 标准与创新中心，做独立评测。本来源共收录 3 条已通过本类收录机制的资料，均可直接跳转到原始来源。

本类权威分层：A1。

• NIST AI 800-2 IPD：语言模型自动化基准评测实践

  出版方：NIST Center for AI Standards and Innovation · 所属集合：NIST AI 800 Series · 形式：初始公开草案 · 权威分层：A1 · 审核状态：标准与监管单层审核通过 · 草案

  提出自动化基准评测的初步最佳实践，覆盖任务有效性、实现、运行和报告。

  证据用途：可支持草案所述评测实践和术语。

  使用边界：Initial Public Draft，不是最终指南；公开意见期已结束，后续可能修订

  关联概念：model-evaluation · evaluation

  链接复核时间：2026-09-24

• NIST AI 800-3：用统计模型扩展 AI 评测工具箱

  出版方：NIST Center for AI Standards and Innovation · 所属集合：NIST AI 800 Series · 形式：官方测量方法报告 · 权威分层：A1 · 审核状态：标准与监管单层审核通过

  区分固定基准准确率与广义准确率，并用统计模型改进不确定性量化和结果解释。

  证据用途：可支持 NIST AI 800-3 的测量目标、模型与实验结果。

  使用边界：方法报告而非强制标准；模型假设需与具体评测设计匹配

  关联概念：model-evaluation · uncertainty-calibration

  链接复核时间：2026-09-24

• CAISI 对 DeepSeek V4 Pro 的评测

  出版方：NIST Center for AI Standards and Innovation · 所属集合：CAISI Model Evaluations · 形式：官方模型评测 · 权威分层：A1 · 审核状态：标准与监管单层审核通过

  公开 CAISI 对 DeepSeek V4 Pro 的多领域评测结果、比较方法和附录。

  证据用途：可支持该版本模型在指定基准、配置和日期下的 CAISI 结果。

  使用边界：模型特定且具时点性；不能外推为所有部署场景的安全结论

  关联概念：model-evaluation · reasoning-models

  链接复核时间：2026-09-24