TESSA：面向欧盟 AI 法案下中小企业合规指导的治理型 Custom GPT 设计与评估

一项研究在 OpenAI Custom GPT 环境中开发了面向 AI 治理教育的 TESSA，采用设计科学研究方法，用 100 个基准场景与基线 ChatGPT 对比。LLM 辅助评估显示治理对齐率为 TESSA 90%、基线 83%；由 AI 监管法律从业者独立验证后分别为 71% 和 70%。人类专家评审认为两者提供的治理指导总体较强，而 TESSA 在重复执行中保持较高一致性。

此前中小企业获取欧盟 AI 法案合规指导多依赖通用聊天机器人或人工咨询。该研究把治理对齐作为可量化指标，并引入法律从业者独立验证，显示专用治理型 GPT 相对通用基线在自动评估中有差距、在专家验证中差距缩小，其价值更多体现在输出稳定性而非绝对准确率提升。

TESSA 的做法是在 Custom GPT 环境中加入治理导向的知识基础与监管更新机制，使回答围绕 AI 法案条款结构化展开，而不是依赖模型的通用知识。评估采用三层机制：LLM 辅助的治理对齐评分、人类专家评审和重复执行一致性测试。LLM 评分与法律专家评分相差约 20 个百分点，说明自动评估可能高估合规质量。

对做合规工具或企业服务产品的团队，这项研究提示：把监管知识库嵌入 GPT 能提升回答结构性与重复一致性，但上线前需引入领域专家抽检，不能只用 LLM 评分做质量门禁；同时应设计监管更新流程，避免知识过期导致错误指导。

• 面向中小企业推出治理型 GPT 模板，内置欧盟 AI 法案条款对照与风险分级问答流程。
• 在合规助手产品中加入重复执行一致性测试和专家抽检环节，作为发布前的质量门禁。
• 建立监管文本更新的人机协同流程，由法律从业者审核后写入知识库并记录版本。
• 针对 LLM 评分与专家评分差距，开发校准层，用专家标注数据校正自动评估结果。

• TESSA 的具体知识 grounding 方式与监管更新机制细节尚未在证据中展开。
• 100 个基准场景的构成、难度分布和评分标准未说明。
• 法律从业者独立验证的样本规模和评分一致性未披露。
• 研究结论是否适用于欧盟 AI 法案以外的监管框架尚不明确。