从准确性到准备就绪：人类- AI 决策的指标与基准

人工智能（AI）系统被部署为人类决策中的合作者。然而，评估实践主要聚焦于模型准确性，而非人类- AI 团队是否准备好安全且有效地合作。实证证据表明，许多失败源于依赖误配，包括在 AI 错误时过度依赖，在 AI 有帮助时不足依赖。本文提出了以团队准备就绪为中心的人类- AI 决策评估测量框架。我们引入四部分评估指标体系，涵盖结果、依赖行为、安全信号和随时间学习，並将这些指标与人类- AI 入职和合作的 Understand-Control-Improve（U-C-I）生命周期联系起来。通过通过交互痕迹来操作化评估，而非模型属性或自我报告的信任，本框架 enables for deployment-relevant assessment of calibration、error recovery and governance。我们旨在支持更可比的基准和可累积的研究，推动更安全、更具问责性的人类- AI 合作。