GOV.UK 聊天機器人準確率達 90% 但變慢

🔑 增強重點摘要

• •GOV.UK Chat 已於 2026 年初在 GOV.UK 應用程式中推出測試版，並計劃進一步擴展至政府網站[3][5]
• •政府數位服務局採用 Anthropic 作為供應商合作夥伴，並與工作和養老金部門合作進行 Universal Credit 申請者的試驗[4]
• •GOV.UK Chat 的長期願景包括「代理 AI」功能，使系統能夠執行交易、轉接客戶支援，並整合至現有部門服務[3][5]
• •獨立研究顯示，11 個大型語言模型在超過 22,000 個政府相關問題上存在冗長和準確性不一致的問題，突顯了 GOV.UK Chat 嚴格評估標準的重要性[4]
• •用戶研究表明 73% 的 GOV.UK 應用程式使用者認為 GOV.UK Chat 有用，64% 對其表示滿意，且用戶對加快回應速度的模擬版本表現出更高的滿意度[2]

🛠️ 技術深入

• •GOV.UK Chat 完全依賴 GOV.UK 發布的官方指導內容，不會超出權威政府資訊範圍[1][2]
• •準確性評估採用主題專家與自動化評估工具的組合方法，評估者僅在答案符合已發布內容的所有標準時才將其評為「準確」[1][2]
• •系統實施紅隊測試，系統性地使用對抗性和邊界情況輸入來發現漏洞和安全風險[3]
• •當前 LLM 版本在速度與準確性之間存在權衡——最新的前沿模型功能更強大但速度更慢，導致平均回應時間為 10.7 秒[1][2]
• •所有用戶答案均附帶指向來源頁面的連結，並提醒使用者驗證答案，以應對 AI 幻覺風險[3]

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線