失序有限

用有代表性的測試決定要不要繼續

能先記錄目前由人處理的表現，再用涵蓋常見、困難與惡意情況的測試題，評估 AI 的品質、風險、成本與速度；不會只因為展示時成功幾次，就判定可以上線。