SimVerity：模拟中的智能体成功何时能在物理部署中成立？

模拟评估被广泛用于给AI智能体做基准测试，但一次模拟通过能为物理部署提供多少证据尚未被系统量化。我们提出SimVerity，一个判定迁移保证框架：它在目标智能家居部署上重放匹配场景，并将智能体执行与独立合格的物理见证进行交叉验证。我们的评估强调，部署成功是一个真实世界过程而非模拟中的静态属性：完成、报告状态、可观察效果和最终结果会在同一次执行中产生分歧。尽管一个先进模拟器通过了全部240次灯光试验，摄像头仍捕获到42次亚秒级失败，这些失败对最终状态检查不可见。错误放行是可预测的：一个从实测试验中学习并在评估前锁定的风险画像，预测了它从未物理测量过的路径上的失败，在两个批次的全部十一个留出会话中击败属性盲基线。智能体可审计性也可测量：更换一个智能体循环的模型客户端/服务配置，将其场景匹配份额从52-88%提升到100%。最后，第二个合格模拟器没有提供独立交叉校验：它从未在任何重叠案例上产生分歧，只有物理测量暴露了它们共同的盲点。SimVerity将判定迁移变为显式决策：在部署前放行、弃权或升级。