可靠性是指系统或技术在特定条件下持续稳定运行的能力，是衡量技术产品和服务质量的关键指标。随着人工智能技术的广泛应用，系统可靠性问题日益受到关注。
AI可靠性近期进展
35B计算机使用智能体修复策略的统计可靠性分析研究表明，单次运行报告可能存在误导性，需要多次运行才能获得可靠结果。这项研究强调了在复杂系统中评估可靠性的重要性。单次运行报告误导：35B计算机使用智能体修复策略的统计可靠性分析
ClearGS框架从手持视频重建可靠3D Gaussian Splatting，通过提高3D重建技术的可靠性，为虚拟现实和增强现实应用提供了更稳定的技术支持。ClearGS：从手持视频重建可靠 3D Gaussian Splatting
AI Reliability Copilot作为开源SRE工具，能够粘贴事故上下文输出9段分析，帮助工程师提高系统可靠性。这一工具的出现反映了业界对提高AI系统可靠性的重视。AI Reliability Copilot 开源 SRE 工具，粘贴事故上下文输出 9 段分析
当前焦点与观察点
Confidence is Not Reliability的研究表明，在脑肿瘤分割任务中，MC Dropout的不确定性估计并不等同于可靠性，这一发现对AI医疗诊断的可靠性评估提出了挑战。这提示我们需要重新审视AI系统中的可靠性评估方法。
OpenAI公布的ChatGPT 3月20日宕机原因强调了系统可靠性对于用户信任的重要性。同时，API结构化输出通过强制JSON Schema提高了数据交换的可靠性，展示了技术手段对提升系统可靠性的积极作用。
综合来看，随着AI技术的深入应用，可靠性已成为技术发展的核心关注点之一。从算法优化到工具开发，从医疗诊断到金融预测，提高系统可靠性正在成为各领域的共同追求。