以人为中心的军事AI测试与评估

这份资料要处理的问题，可以概括为一句话：军事人工智能系统在投入使用前和使用过程中，怎样把“人”放进测试与评估的环节里，而不是只测算法在基准集上的表现。这个问题现在值得看，是因为军事AI和无人系统的讨论重心正在从“能力能不能实现”转向“能力能不能被验证、被监督、被追责”，而测试与评估恰好是这两者之间的闸门。资料出现在2024年12月，属于这一轮讨论中较新的公开文本。需要说明的是，以上是对选题背景的解读，不是原文给出的结论。

从可确认的信息看，这份资料是一篇发布在 arXiv 上的公开论文，主题落在军事AI与无人系统方向，全文 PDF 可以免费下载。材料没有披露它的章节结构、案例选取、数据来源，也没有说明它采用的是文献梳理、框架构建还是实证分析。换句话说，目前能确认的是“它讨论什么方向、去哪里取全文”，而不能确认“它怎么论证”。公开可下载这一点本身有意义：读者可以自行复核原文，而不必依赖二手转述。

标题里的“以人为中心”值得单独拆开看。在测试与评估的语境下，这个说法通常指向两类安排：一是把人的判断、操作和监督行为纳入评估对象，而不只评估机器；二是让使用者在评估流程中有实际位置，而不只是被动接收结论。从措辞判断，这份资料关注的不是单纯的性能打分，而是评估过程中人与系统的关系如何被定义和检验。这只是对标题含义的解读，原文是否采用这一划分、具体如何落地，材料没有交代。

材料中没有给出任何可供引用的数字、机构名称或结论性表述，并且明确提示“具体结论以原文为准”。这一点本身就是有用的信息：它说明这份资料在摘要层面的信息颗粒度较粗，任何关于评估指标、实验设置、参与主体或政策建议的转述，都不能凭标题推断。对做政策解读或论文解读的内容作者来说，这个提醒尤其重要——二手转述最容易在“以人为中心”这类概括性表述上滑向想当然，把一种研究取向说成一项已经验证的结论。

即便只有选题方向，也仍然提示了一些值得注意的东西。如果军事AI的测试与评估真的以人为中心，那么验收标准就不只是准确率、响应速度这类机器侧指标，还会涉及人的理解、干预时机和责任归属；也就是说，评估的对象从“系统表现”扩展到“人机共同表现”。这意味着相关工作的难点可能不在测什么，而在由谁测、在什么条件下测、结果如何被采信。需要再次标明，这是从选题方向推出的判断，不是原文结论。

这份资料适合关注军事AI与无人系统治理、准备做政策解读或论文解读的读者，它能提供一个明确的检索入口和问题框架：知道该往“人如何进入测试评估回路”这个方向去找材料。读完能拿走的主要是问题意识和全文线索，而不是可直接引用的结论或数据。边界也很清楚：现有信息只到主题与方向这一层，不能替代全文；具体方法、证据和结论，都要以 arXiv 上的原文为准。