gspc-boards

GSPC Boards 历史存档数据集是 CSOAI Ltd 提供的、用于记录 GSPC（通用安全与合规平台）14 插槽董事会（其中 13 个为测量轴）历史测量结果的持久化存档。该数据集包含早期 durable-board 文件（如 v2/ 树结构），记录了 13 个测量轴（包括治理、安全、来源、连续性、一致性、开放性、机械一致性、关怀、跨现实、检测器互操作性、第5条保障、群集、情感）对 19 个模型的 819 项测量项目。数据集旨在作为测量项目库/结果，供确定性工具链使用，并按照已发布的谓词进行评分。它不适用于训练语料，而是用于评估 AI 系统对治理规则合规性的点对点测量。注意：本存档中的任何分数表均不可作为实时董事会数据，实时数据必须通过 API 获取。The GSPC Boards Historical Archive Dataset is a persistent archive provided by CSOAI Ltd to record historical measurement results of the GSPC (General Security and Compliance Platform) 14-slot board (13 of which are measurement axes). This dataset contains early durable-board files (e.g., v2/ tree structure), recording 819 measurement items across 13 measurement axes (including Governance, Safety, Source, Continuity, Consistency, Openness, Mechanical Consistency, Care, Cross-Reality, Detector Interoperability, Article 5 Safeguards, Clustering, Sentiment) for 19 models. The dataset is intended as a library/result of measurement items for use by deterministic toolchains, scored according to published predicates. It is not suitable as training corpus, but rather for point-to-point measurement of AI system compliance with governance rules. Note: Any score table in this archive is not real-time board data; real-time data must be obtained via API.

原始信息汇总

GSPC Boards — 历史耐久板存档数据集

数据集概述

该数据集由 Council of AI（CSOAI Ltd，英国公司编号 16939677）发布，是一个历史存档性质的耐久板（durable-board）文件集合，用于存储早期版本的 GSPC（Governance, Safety, Provenance, Continuity 等）评测板数据。数据集遵循 CC-BY-4.0 许可证。

核心特点

• 非实时数据：本仓库中的文件是历史快照，不代表当前实时评测板，不应引用其中的冻结表格作为最新数据。
• 实时数据获取方式：实时数据通过 API 接口获取，地址为 https://councilof.ai/api/gspc，另提供验证页面 https://councilof.ai/gspc-verify 和竞技场页面 https://councilof.ai/gspc-arena。
• 最新时间戳：2026年8月12日，包含 13 个测量轴 × 19 个模型，共 819 个项目，未签名。

数据内容

• 公共槽位（15个）：包含 13 个实时 API 名称 + 1 个监狱（jail）下限 + 1 个未命名槽位（slot-15）。
• 13 个测量轴按顺序为：governance、safety、provenance、continuity、conformance、openness、machinery-conformity、care、cross-reality、detector-interop、art5-safeguard、swarm、affect。
• Affect 轴为已测量内容，其标签保持“待律师确认”状态且不隐藏。
• Jail 轴是测量的下限（包含机制），并非排名，也不是第 14 个轴；在 2026年8月12日时间戳上为空，仅新时间戳会更新。
• Slot-15 保持未命名且为空，无卡片。

仓库内容与用途

• 仓库保留早期耐久板文件及附加的 v2/ 目录树作为历史记录，用于记录之前的评测运行。
• 预期用途：作为 GSPC 14 槽位评测板（其中 13 个为测量轴）的测量题项库/结果集，供确定性的测试框架消费，并使用公布的谓词进行评分。不适用于训练语料。

限制说明

• 题项库范围和样本量在数据集中已明确说明；未测量的单元格会明确标注，绝不插值。
• 题项针对治理规则合规性，而非通用能力。
• 得分为时间点快照，实时评测板（https://councilof.ai/api/gspc）优先于任何静态副本。

搜集汇总

数据集介绍

构建方式

该数据集为GSPC（Governance, Safety, Provenance, and Compliance）委员会的历史持久化面板存档，由Council of AI（CSOAI Ltd）构建，旨在记录欧盟AI法案相关治理规则的合规性测量结果。其构建方式为：基于13个实测轴（如治理、安全、来源、连续性、合规性、开放性、机械一致性、关怀、跨现实、检测器互操作、Art5保障、群体、情感）和19个模型，生成819个测量项目，形成一个结构化的评分面板。数据集采用Additive版本树（v2/）存储历史文件，所有数据均通过确定性测试框架和公开谓词进行评分，未测量单元格明确标注，绝不插值。实时数据通过API（GET https://councilof.ai/api/gspc）提供，本存档仅作为历史快照，不替代实时面板。

特点

该数据集的核心特点在于其作为测量项目库与结果存档的双重身份，强调测量而非认证。它覆盖14个面板槽位（其中13个为实测，1个为未命名的空槽位），每个轴对应特定的治理规则维度，评分采用点状时间快照，反映模型在合规性上的表现。数据集明确区分实测值与未测量值，所有标签保持法律咨询待定状态，且情感轴虽已测量但标签未定。此外，数据集包含一个“jail”测量下限（作为包含机制的基准），但非排名或第14个轴。该存档为不可变的日志，历史版本固化，但用户须警惕勿将静态表视为实时面板，因为实时API数据将取代任何静态副本。

使用方法

该数据集适用于治理规则合规性的测量与评估，主要用户为开发者、研究人员或审计方，通过其确定性测试框架消费数据。使用方法为：首先通过API端点（https://councilof.ai/api/gspc）获取实时面板数据，而非引用本存档中的冻结表格；验证数据可通过https://councilof.ai/gspc-verify完成，竞技场环境（https://councilof.ai/gspc-arena）则用于模型对抗测试。数据集中的评分谓词（如未解析计数不正确的处理）需在集成时仔细查阅，但注意其并非训练语料库，仅用于测量目的。用户应理解各项指标的轴名称及测量边界，避免将未测量值视为缺失或插值，并遵循许可证（CC-BY-4.0）的规定，在引用时注明测量时间点，以确保数据的有效性和公正性。

背景与挑战

背景概述

随着人工智能技术的飞速发展，其治理与合规性已成为全球关注的焦点。欧盟《人工智能法案》（EU AI Act）的出台，标志着对AI系统进行系统性监管的时代到来。在此背景下，CSOAI Ltd于2026年发布了GSPC Boards数据集，作为一项历史性档案，记录了早期可持久化治理板的测量结果。该数据集由英国公司CSOAI Ltd（注册号16939677）构建，旨在为AI治理提供量化测量框架，而非认证工具。其核心研究问题在于如何通过13个测量轴（如治理、安全、来源等）对19个模型进行标准化评估，以支持AI系统的合规性检查。该数据集虽非训练语料，但为AI治理领域提供了一套可复现的测量基准，对推动AI监管的实证研究具有重要参考价值。

当前挑战

GSPC Boards数据集在构建与应用中面临多重挑战。首先，其核心领域难题在于AI治理的量化评估缺乏统一标准，需在13个轴（如治理、安全、来源、连续性等）上定义可测量的指标，且需确保这些指标能准确反映AI系统的合规性，而非一般能力。其次，构建过程中面临数据时效性问题，数据集强调“测量而非认证”，所有分数均为时间快照，必须通过API获取实时数据，而历史档案仅作参考，避免被误用为当前基准。此外，数据集中未测量的单元被明确标注，绝不推测，这要求在有限样本（819项）内保持评估的严谨性，同时应对模型多样性（19个模型）与轴间复杂交互的挑战，确保测量公正且可复现。

常用场景

经典使用场景

GSPC Boards 数据集作为欧盟《人工智能法案》背景下治理规则符合性测量的历史档案库，其经典使用场景聚焦于对AI系统进行多维度的合规性评估。研究者利用该数据集中的测量条目库与既定结果，通过确定性测试框架，对模型在治理、安全、溯源、连续性、一致性等13个测量轴上的表现进行量化分析。此场景强调对AI治理指标的可重复验证，为合规性审计提供了标准化、时间点明确的基准数据，尤其适用于追踪模型在特定时间窗口内的治理特征演变。

解决学术问题

该数据集解决了AI治理研究中普遍存在的测量基准缺失与结果不可复现问题。以往针对AI监管合规性的研究常依赖静态自建指标，缺乏统一且可追溯的测量体系。GSPC Boards通过公开的测量条目库、明确的评分谓词和存档的时间戳，为学界提供了可验证的原始数据与测量方法，使得跨研究间的比较和纵向分析成为可能。其‘测量而非认证’的定位，促使研究者关注客观数据而非主观标签，推动了AI治理从定性讨论向定量实证研究的范式转变。

衍生相关工作

围绕GSPC Boards数据集，衍生出一系列相关学术与实践工作。其一，基于其测量方法学，研究者开发了针对特定治理维度（如可解释性或跨现实一致性）的细粒度评估工具，深化了对AI合规性的理解。其二，其公开的评分谓词和确定性harness设计，启发构建可复现的AI治理测评框架，并出现比较不同模型在治理轴线上差异的基准测试研究。此外，该数据集的实时API设计模式，为建立动态更新的AI治理指数提供了范例，催生了面向实时合规监控的衍生平台或研究课题，但需注意衍生工作应引用实时数据而非冻结的历史表格。