gspc-axis-corpus

Hugging Face2026-08-31 更新2026-09-01 收录

AI对话系统评估

AI治理与合规

数据链接：

https://huggingface.co/datasets/csoai/gspc-axis-corpus 数据链接链接失效反馈

官方服务：

资源简介：

该数据集是Council of AI提供的测量银行（measurement bank）的一部分，名为gspc-axis-corpus。数据集包含22个评估轴（axis），用于衡量AI系统在多个关键维度上的表现，其中15个轴已测量（包括治理、安全、出处、连续性、一致性、开放性、机器一致性、关怀、跨现实、检测器互操作性、第5条保障、群体、情感、越狱、出处控制），7个轴未测量（包括储备证明、监管框架、分发完整性、托管披露、AI经济指数、人力劳动指数、人形劳动指数）。该数据集强调测量而非认证，旨在为AI系统的治理、安全、合规等提供标准化评估框架，适用于AI系统评估、合规性检查、风险管理等场景。

This dataset is part of the measurement bank provided by the Council of AI, named gspc-axis-corpus. It contains 22 evaluation axes for measuring the performance of AI systems across multiple key dimensions, of which 15 axes are measured (including governance, safety, provenance, continuity, alignment, openness, machine alignment, care, cross-reality, detector interoperability, Article 5 safeguards, group, sentiment, jailbreak, provenance control) and 7 axes are unmeasured (including proof of reserves, regulatory framework, distribution integrity, custody disclosure, AI economic index, human labor index, humanoid labor index). The dataset emphasizes measurement over certification, aiming to provide a standardized evaluation framework for AI system governance, safety, compliance, etc., and is suitable for scenarios such as AI system evaluation, compliance checks, and risk management.

创建时间：

2026-08-24

原始信息汇总

gspc-axis-corpus 数据集概述

基本信息

许可协议：CC-BY-4.0（知识共享署名4.0国际许可）
发布方：Council of AI（人工智能委员会）

数据集定位

本数据集是Council of AI的测量基准库（Measurement Bank），明确强调其功能为“测量”而非“认证”（Measurement, not certification）。数据集通过GSPC验证体系提供可查询的测量接口。

测量轴（Axis）结构

数据集共包含 22个测量轴，分为以下两类：

已测量轴（15个）

类别	具体轴
治理与安全	治理（governance）、安全（safety）、越狱防护（jail）
溯源与合规	来源（provenance）、连续性（continuity）、合规性（conformance）、艺术品保护（art5-safeguard）
开放与互操作	开放性（openness）、机械一致性（machinery-conformity）、检测器互操作（detector-interop）
人文与智能	关怀（care）、跨现实（cross-reality）、群体智能（swarm）、情感影响（affect）
权属控制	来源控制（provenance-controls）

注：Jail轴被定义为“已测量的底线”（measured floor），而非第16个独立面板。

未测量轴（7个）

以下轴当前为空，不出售，无评分：

保留证明（reserve-attestation）
监管框架（regulatory-framework）
分发完整性（distribution-integrity）
托管披露（custody-disclosure）
AI经济指数（ai-economy-index）
人类劳动指数（human-labour-index）
人形劳动指数（humanoid-labour-index）

访问与验证

API接口：GET https://councilof.ai/api/gspc
验证页面：https://councilof.ai/gspc-verify

搜集汇总

数据集介绍

构建方式

该数据集由Council of AI构建，作为其GSPC测量银行的一部分，并非直接的数据测量结果，而是CSOAI目录的产物。其构建基于GSPC评分板，该评分板通过API（GET https://councilof.ai/api/gspc）提供22个轴的测量数据，其中15个轴已测量，7个轴为空。数据集的每个条目可能包含状态词汇如LOADING、UNREACHABLE等，确保测量的透明性与真实性，避免虚假的零值。构建过程强调测量而非认证，所有数据均可通过验证端点免费核查。

特点

该数据集的核心特点在于其多维度的测量体系，覆盖治理、安全、来源、连续性、合规性、开放性等15个已测量轴，每个轴代表一个具体的评估指标。此外，数据集的透明性通过状态词汇体现，所有状态均明确标示，避免数据伪造。同时，数据集还整合了实时MCP工具，提供七种工具调用，便于动态交互。其边界清晰，明确区分了测量项与未测量项，确保用户对数据范围有准确认知。

使用方法

用户可通过GSPC API直接访问22个轴的测量数据，并通过验证端点核实数据卡片的真实性。对于需要集成到本地应用的用户，数据集提供了npm包csoai-gspc-mcp，包含四个工具，可通过MCP协议（POST https://councilof.ai/mcp）进行调用。数据集的许可证为CC-BY-4.0，允许广泛使用，但需注意其测量性质，不可作为认证依据。开发者可基于API构建监控应用，或使用MCP工具进行自动化数据获取与分析。

背景与挑战

背景概述

gspc-axis-corpus数据集由Council of AI于近期创建，旨在为人工智能治理提供一套标准化的测量基准。该数据集涵盖22个维度，其中15个已测量，7个为空，核心研究问题在于如何客观、可验证地评估AI系统的治理成熟度。作为CSOAI目录的产物，它强调测量而非认证，通过公开API提供实时数据，对AI治理领域的影响力在于推动透明度和可比较性。数据集由独立机构维护，免费验证，促进了学术界与工业界的协同研究，为政策制定者提供了量化工具。

当前挑战

gspc-axis-corpus数据集当前面临的挑战包括：其一，领域内缺乏统一的AI治理评估框架，导致各维度定义与度量标准难以达成共识，影响数据的普适性；其二，构建过程中，数据采集面临实时性与准确性的矛盾，API依赖外部系统状态（如LOADING、UNREACHABLE），增加了数据完整性维护的难度；其三，7个未测量维度（如监管框架、分布完整性）因指标定义模糊或数据源缺失，无法提供评分，限制了数据集的全面覆盖；其四，因强调非认证属性，需持续确保测量结果不产生误导，避免被误用为认证标识。

常用场景

经典使用场景

作为CSOAI目录下的测量工件，gspc-axis-corpus数据集的核心用途在于为人工智能治理提供多维度、可验证的量化基准。该数据集涵盖22个评估轴，其中15个已实际测量，涉及治理、安全、来源追溯、连续性、一致性、开放性、机械一致性、伦理关怀、跨现实适应性、探测器互操作性、Art.5保障、群体智能、情感影响、防护栏及来源控制等关键领域。研究者可依据这些轴心数据，对各类AI系统进行标准化审计，从而在模型部署前精准识别潜在风险与合规缺口。

衍生相关工作

围绕gspc-axis-corpus，已衍生出系列相关工具与工作，例如csoai-gspc-mcp（Model Context Protocol服务器）提供了七种编程接口工具，而npm包csoai-gspc-mcp则封装了四种核心功能，便于开发者在应用中直接调用测量能力。此外，其‘测量而非认证’的定位催生了对AI治理评估方法论本身的批判性研究，包括对未测量轴（如监管框架、托管完整性等）的探索性分析，以及对防护栏测量下限的有效性论证，这些工作共同推动了AI治理生态从静态评估向动态、多层次保障体系的演进。

数据集最近研究