如果 AI 模型的结果要用于监管申报，对它的验证要求远高于内部研究。
通常需要
- 清晰定义使用情境（context of use）与风险
- 代表性、可追溯的训练/验证数据
- 独立、前瞻性的验证（非仅历史回测）
- 可解释性与完整文档
还需考虑
- 部署后的性能监控与再验证
- 版本与数据的可审计（见 422）
- 偏差与局限的透明披露
- 与监管的沟通与共识
关键要点
监管验证的核心是「可信且可审计」：不仅模型要准，还要能说清在什么情境下、用什么数据、如何持续监控。
延伸资源
- 本领域要求随指引演进，请以官方最新要求为准。