AI 评估科学 · 能力预测
本条为初评草案（AI 辅助编目 · 评于 2026-07）：T 阶为三问初评（撬动面 × 停滞度 × 临界性），双评过 σ 门并红蓝复核后才升"已建档"。查不到的字段留空不编。点亮者会进入亮星候选流程，其贡献与星阶按 HCF 独立重评，不从暗星自动继承。
飞机上天前先进风洞，桥梁通车前先做载荷试验，而今天最强的 AI 系统在部署前，没有人能可靠预测它会涌现什么能力、藏着什么危险——评估基本靠事后踩坑。AI 评估科学要做的，是建立从训练配方到能力边界的可预测映射：给定算力、数据和架构，部署前就能给出能力与风险的定量预报。这是所有 AI 治理决策的测量地基——没有可信的测量，任何监管红线、国际协议、部署门槛都是在沙地上画线。攻破它，AI 发展就从「先上线再灭火」变成有仪表盘可依的工程学科。
能力涌现难以从小模型外推，缩放曲线在关键能力上会突然拐弯；评测基准发布即饱和，且极易通过训练数据污染失效；「模型考试得分」与「真实世界危险能力」之间的效度鸿沟至今没有严格方法学。整个领域更像早期心理测量学，缺一套自己的统计与实验范式。
METR、英国 AI 安全研究所（AISI）、Epoch AI、美国 CAISI，以及各前沿实验室内部的评估团队
读方向：机器学习 + 统计学/心理测量学，重点补缩放律与实验设计。切入点：做一个抗污染、抗饱和的窄域危险能力评测，并验证其对更大模型的预测效度——这类工作 METR、AISI、Epoch 都在公开招人，且不需要巨额算力，是年轻人杠杆最高的 AI 安全入口之一。
谁在攻这颗暗星 · 攻关者名录7 人
这不是终点站——今天在这颗暗星上攻坚的人，就是明天点亮它、登上星光榜的候选。名录含科研、创业与第三方三类关键角色，初评待核实，欢迎补充与纠正。
去哪家 · 机构与公司名录6 家 · 其中初创/成长期 2
给求职者和投资人的信息增量——不只是听过的大机构，更多是正在攻这颗暗星的初创与新公司（联网实搜、初创优先排序，初评待核实）。