客户业务专家认为原型“基本可用”，安全团队却因少数严重错误拒绝验收。你会怎样重新组织评测并推动决策？

回答思路

1. 先把争议案例还原为用户任务、输入证据、系统行为和业务后果，区分一般质量偏差与越权、泄露、错误执行等不可接受失败。
2. 与业务、安全和工程共同建立分层指标，普通场景看任务完成与效率，高风险场景采用零容忍或独立阈值，不能让平均准确率掩盖严重错误。
3. 评测集应覆盖真实频率、长尾、对抗输入、权限边界和证据不足，并保留未参与开发的封闭验收集，减少针对已知样例调参。
4. 对每类失败给出根因、可修复性、监控方式和回退路径，由有决策权的客户负责人签收剩余风险，而不是要求安全团队降低标准。
5. 可将发布范围收窄到低风险用户或只读建议，通过分阶段流量验证严重错误率、人工接管和业务收益，再决定是否开放更多能力。
6. 若任何关键风险仍无法检测或隔离，就暂停上线并保留原流程，同时明确下一轮所需数据、改造项和重新验收日期。