Scale AI 发布 READY 框架，比较 agent 部署中的人工审核负担

Scale AI 提出企业级 agent 部署评测框架 READY，以达到目标可靠率所需的人工审核比例衡量 agent 是否具备上线能力。对 16 个 agent 系统和 750 个案例的临床审计显示，自主准确率分别为 72.8% 和 72.5% 的两个 agent，在达到 76% 可靠率时需要 39.2% 和 29.6% 的人工审核，后者更善于识别自身不可靠的回答。