银行测试生成式AI，正在像批改试卷一样引入自动化工具：系统可以批量检查模型回答，减少人工逐条审阅的成本。据 Risk.net 对44家银行开展的 Model Risk 研究，近三分之一受访银行已将GenAI模型测试部分自动化，但各家的覆盖范围差异很大。
这值得关注，因为自动化评测与自动审批并不是一回事。比如，LLM-as-a-judge——让一个语言模型按规则给另一个模型的答案打分——可以扩大测试覆盖面，但“考官”本身也可能偏误、漏判，或被答案措辞影响。银行的模型风险管理因此仍需独立验证、持续监控和明确问责。
现有公开材料只披露了“部分自动化”的总体比例，未说明具体银行采用了哪些测试工具，也不足以确认它们是否让模型自主作出最终批准。更稳妥的判断是：银行已经开始规模化测试GenAI，但离把签字权交给AI还有多远，材料暂未给出答案。