gspc-kernel-results

该数据集是 Council of AI 的测量银行的一部分，包含 22 个维度的 AI 系统评估结果，其中 15 个维度已测量，7 个维度为空（未评分）。已测量的维度包括：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、检测器互操作性、第5条保障、群体、情感、越狱、来源控制。未测量的维度包括：储备证明、监管框架、分发完整性、托管披露、AI经济指数、人类劳动指数、人形劳动指数。数据集强调其提供测量而非认证，采用 CC-BY-4.0 许可证。This dataset is part of the Council of AIs Measurement Bank, containing AI system evaluation results across 22 dimensions, of which 15 dimensions are measured and 7 are empty (unscored). The measured dimensions include: Governance, Safety, Sourcing, Continuity, Compliance, Openness, Mechanical Consistency, Care, Cross-Reality, Detector Interoperability, Article 5 Safeguards, Collectivity, Sentience, Jailbreaking, Source Control. The unmeasured dimensions include: Reserve Proof, Regulatory Framework, Distribution Integrity, Custody Disclosure, AI Economy Index, Human Labor Index, Humanoid Labor Index. The dataset emphasizes that it provides measurements rather than certifications, and is licensed under CC-BY-4.0.

原始信息汇总

数据集概述：gspc-kernel-results

基本信息

• 许可证：CC-BY-4.0（知识共享署名4.0国际版）
• 发布机构：Council of AI（AI委员会）测量库
• 性质定位：测量数据，并非认证结果

数据内容

测量框架

该数据集基于GSPC（治理、安全、溯源、持续性）框架，包含22个测量轴。

测量状态分布

• 已测量轴（15个）：治理、安全、溯源、持续性、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、群体智能、情感影响、越狱防护、溯源控制
• 未测量轴（7个）：储备证明、监管框架、分发完整性、保管披露、AI经济指数、人类劳动指数、人形劳动指数

特殊说明

• 越狱（Jail）维度作为已测量的下限指标，而非第16个独立面板
• 未测量轴不对外出售，且无评分

访问方式

• API接口：可通过 https://councilof.ai/api/gspc 获取数据
• 验证方式：https://councilof.ai/gspc-verify

数据用途

该数据集用于AI系统的多维测量与评估，强调测量属性而非认证属性，供研究、评估和参考使用。

搜集汇总

数据集介绍

构建方式

该数据集由Council of AI构建，作为其测量库（measurement bank）的一部分，旨在记录和评估人工智能系统在多个维度上的表现。数据通过API接口（GET https://councilof.ai/api/gspc）获取，涵盖22个测量轴，其中15个已实测，7个为空。测量维度包括治理、安全、来源、连续性、符合性、开放性、机械一致性、关怀、跨现实、检测器互操作性、艺术第5条保障、群体智能、情感影响、越狱防护及来源控制等。未测量维度（如储备认证、监管框架、分发完整性等）明确标记为空，不参与评分，体现了数据集的透明性和严谨性。构建方式强调测量而非认证，确保数据的客观性和中立性。

特点

该数据集的核心特点在于其多维度的精细测量框架，涵盖治理、安全、来源等15个实测轴，全面刻画人工智能系统的综合特性。数据集明确区分了已测和未测维度，未测项（如监管框架、人形劳动指数等）被标注为“非卖品”，不设评分，避免了误导性评估。特别地，“越狱”被视为一个实测下限而非安全窗格，凸显了对安全性的严格考量。采用CC-BY-4.0许可，鼓励开放使用，同时通过Council of AI提供的验证页面确保数据可信度。整体设计既具有学术严谨性，又兼顾实际应用需求，为人工智能治理提供量化参考。

使用方法

使用该数据集时，研究者可直接通过Council of AI的API端点（https://councilof.ai/api/gspc）获取数据，支持实时访问和集成。数据以JSON格式返回，便于程序化处理和分析。用户可根据22个轴中的15个实测维度进行定制化查询，例如评估特定AI系统的治理或安全状况。建议结合未测维度的空白标记谨慎解读，避免将缺失数据视为负面结果。验证功能（https://councilof.ai/gspc-verify）可用于确认数据的真实性。此数据集适用于政策制定、技术评估和学术研究，但需注意其“测量非认证”的定位，结果仅作参考，不构成官方认定。

背景与挑战

背景概述

gspc-kernel-results数据集由Council of AI创建，旨在系统化地度量人工智能系统在多维特性上的表现，涵盖治理、安全、来源、连续性等22个评估轴。该数据集的出现源于AI领域对标准化、透明化评估机制的迫切需求，通过提供可验证的测量数据，而非简单的认证，为AI系统的可信度评估提供了新的基准。其影响力在于推动了AI评估从主观判断向客观测量的转变，为政策制定者、研究者和企业提供了共性参考框架，促进了AI治理和安全性研究的深入发展。

当前挑战

该数据集面临的挑战主要源于其评估维度的广泛性和构建过程的复杂性。首先，AI系统评估本身具有高维性和动态性，22个评估轴中仅有15个被有效测量，而剩余的7个维度如监管框架、分配完整性等因技术和伦理约束难以量化，形成了评估空白。其次，构建过程中需确保数据的可验证性和跨系统的互操作性，但AI技术快速演进使得测量基准的时效性和普适性难以保证。此外，部分维度如“越狱”测量仅提供了基础下限，无法全面反映系统安全性的复杂态势，数据集的完整性和权威性仍需持续改进，以应对AI领域不断涌现的新挑战。

常用场景

经典使用场景

gspc-kernel-results数据集作为Council of AI测量银行的核心组成部分，其经典使用场景聚焦于对人工智能系统进行多维度的标准化评估。该数据集嵌入于一个包含22个轴、15项实测指标的评估框架中，旨在通过结构化测量揭示AI系统在治理、安全、溯源、连续性、合规性、开放性、机械一致性、关怀、跨现实能力、检测器互操作性、Art5保障、群体行为、情感影响、越狱防御及溯源控制等方面的表现。研究者可借此数据集开展基准测试，横向比较不同AI模型或版本的性能差异，从而推动AI评估方法论的科学化与规范化。该场景尤其适用于需要量化AI系统合规性与安全性的实验室研究，为政策制定与行业标准提供实证依据。

解决学术问题

该数据集直面AI评估领域长期存在的碎片化与主观性难题，构建了一个可复现、可量化的多维测量体系。它解决了学术界在AI治理、安全与伦理研究中缺乏统一衡量标准的问题，通过提供实测数据（而非认证）支持研究者从治理到技术防护等多个维度进行客观剖析。具体而言，它填补了AI系统在跨现实、检测器互操作性和Art5保障等新兴维度上的数据空白，使学者能够基于实证探讨AI的复杂社会影响。其意义在于推动AI评估从定性讨论向定量分析转型，为后续理论模型与政策建议提供坚实的数据基石，进而促进负责任的AI研究与开发。

衍生相关工作

该数据集的发布催生了诸多衍生研究与实践，包括基于其测量维度开发的AI治理指数、风险评估工具及比较分析框架。例如，其空置的7个测量轴（如监管框架、分发完整性、AI经济指数等）已引发学者对未测维度的探索性研究，引领了对AI系统社会经济影响的深入探讨。同时，'Jail是实测底线而非第16个面板'的定义启发了关于越狱检测与防御机制的专项研究，推动了对抗性鲁棒性领域的实证进展。此外，Council of AI的验证接口（gspc-verify）促进了第三方复现与扩展实验，形成了一套以该数据集为基准的协作式评估生态，加速了AI测量标准的演进与共识建立。