基于SAVI框架的AI系统自适应审计：实现20个观测值的统计严谨结论

针对生成式AI系统评估成本高且样本量通常仅10至50个的挑战，研究者提出基于Safe Anytime-Valid Inference（SAVI）的假设检验框架。 该框架通过“测试即下注”机制，同时验证模型无失败模式与审计者采样策略两个对偶假设，在保持Type-I错误控制的同时优于预设测试方法。 实证结果显示，该方法在保持统计严谨性的前提下，有时仅需20个观测值即可得出结论。