counsel-source

Counsel — Source Mirror 数据集是 SZL Holdings 研究栈中 `counsel` 项目的源代码镜像。该项目的核心是一个用于 SZL 治理的策略推理引擎，其功能是评估智能体决策是否符合 Λ-axis 不变性，并输出带有 DSSE 签名审计回执的结构化策略裁决。本数据集并非可部署的软件制品，而是为了提升项目可发现性而创建的源代码快照。它包含了 `szl-holdings/counsel` GitHub 仓库在特定提交时刻（SHA: counsel-src-2026-05-29）的源代码文件，但排除了 `.git/` 目录、`node_modules/` 以及体积大于 50 MB 的二进制文件。数据集规模小于 1K 个样本，内容语言为英语。仓库中的所有声明均可追溯至 Zenodo DOI、GitHub 提交 SHA，并在适用的情况下关联到基于 Mathlib v4.13.0 的 Lean 4 形式化证明，确保了研究的可验证性和可审计性。该数据集适用于 AI 治理、策略合规性分析、形式验证、智能体对齐及供应链安全等相关领域的研究与参考，是构成 SZL Holdings 完整可验证 AI 治理体系的关键组件之一。

Counsel — Source Mirror dataset is a source code mirror of the `counsel` project in the SZL Holdings research stack. The core of this project is a policy reasoning engine for SZL governance, which evaluates whether agent decisions comply with Λ-axis invariance and outputs structured policy verdicts with DSSE-signed audit receipts. This dataset is not a deployable software artifact but a source code snapshot created to enhance project discoverability. It includes source code files from the `szl-holdings/counsel` GitHub repository at a specific commit (SHA: counsel-src-2026-05-29), excluding the `.git/` directory, `node_modules/`, and binary files larger than 50 MB. The dataset has fewer than 1K samples, and the content language is English. All statements in the repository are traceable to Zenodo DOI, GitHub commit SHAs, and, where applicable, linked to Lean 4 formal proofs based on Mathlib v4.13.0, ensuring research verifiability and auditability. This dataset is suitable for research and reference in fields such as AI governance, policy compliance analysis, formal verification, agent alignment, and supply chain security, serving as a key component of SZL Holdings complete verifiable AI governance system.

原始信息汇总

数据集概述：Counsel — Source Mirror

基本信息

• 数据集名称：Counsel — Source Mirror
• 许可证：Apache-2.0
• 语言：英语 (en)
• 数据规模：n < 1K（少于1000条记录）
• 任务类别：其他（other）
• 标签：counsel、policy、governance、agentic-ai、alignment、formal-verification、lean4、dsse、slsa、receipt-chain、supply-chain-security、pac-bayes、audit
• 作者：Stephen P. Lutar (ORCID: 0009-0001-0110-4173)
• 仓库：github.com/szl-holdings/counsel
• DOI：10.5281/zenodo.20434276（概念DOI：10.5281/zenodo.19944926）
• Hugging Face 数据集页面：SZLHOLDINGS/counsel-source

数据集描述

• 核心功能：作为 SZL 治理框架下的策略推理引擎，用于评估智能体决策是否符合 Λ 轴不变量（Λ-axis invariant），并生成结构化的策略裁决（policy verdicts），附带 DSSE 签名的审计回执（audit receipts）。
• 定位：本数据集是 szl-holdings/counsel 仓库在 Hugging Face 上的源代码镜像，旨在提高该仓库的可发现性。官方源代码位于上述 GitHub 仓库中。
• 相关项目：
  • 论文（v18.0）：SZLHOLDINGS/thesis-v18-formal-verification · DOI 10.5281/zenodo.20434276
  • 软件发布：DOI 10.5281/zenodo.20434308
  • 所有声明均可追溯至对应的 Zenodo DOI、GitHub 提交 SHA 以及（如适用）基于 Mathlib v4.13.0 的 Lean 4 证明。

数据内容与限制

• 数据内容：包含源代码文件，而非机器学习训练样本。
• 数据状态：
  • 非可部署工件：仅用于发现目的，不是正式的可部署版本。
  • 非实时更新：该数据集是基于指定提交 SHA 的某个时间点的快照。
  • 非完整镜像：排除了 .git/ 目录、node_modules/ 以及大于 50 MB 的二进制文件。

快速使用

• 通过 Git 克隆： bash git clone https://github.com/szl-holdings/counsel.git cd counsel

• 通过 Hugging Face Datasets 加载： python from datasets import load_dataset ds = load_dataset("SZLHOLDINGS/counsel-source")

引用信息

• BibTeX 引用： bibtex @misc{szlholdings2026counsel, author = {SZL Holdings}, title = {Counsel — Source Mirror}, year = {2026}, publisher = {Hugging Face}, url = {https://huggingface.co/datasets/SZLHOLDINGS/counsel-source}, note = {Source mirror of github.com/szl-holdings/counsel. DOI: 10.5281/zenodo.20434276. Doctrine v6.} }

完整工件交叉参考（部分）

工件名称	类型	描述	链接
thesis-v18-formal-verification	数据集	206页 · 76个定理 · DOI 10.5281/zenodo.20434276	HF Dataset
a11oy-v19-substrate	模型	12项对齐创新 · 248项测试 · DOI 10.5281/zenodo.20434308	HF Model
uds-spans-receipts	数据集	100个 OTel 跨度 + 50个 DSSE 回执	HF Dataset
uds-governance-receipts	数据集	治理回执注册表 · DSSE 认证	HF Dataset
mcp-receipts-server	空间	MCP 服务器 · 4个工具 · DSSE 治理回执	HF Space
lutar-lean-browser	空间	375个 Lean 4 定理 · 交互式浏览器	HF Space
szl-visual-identity	数据集	设计系统 · 头像 · 横幅 · OG卡	HF Dataset
szl-showcase	空间	完整 SZL 堆栈的5标签页导览	HF Space
SZLHOLDINGS org	GitHub	17个仓库 · DCO · SBOM · SLSA 发布	github.com/szl-holdings
Zenodo 概念 DOI	Zenodo	版本无关的引用目标	10.5281/zenodo.19944926

搜集汇总

数据集介绍

构建方式

Counsel-Source数据集源自GitHub上的counsel治理法律源码仓库，由SZLHOLDINGS组织维护。该数据集作为该仓库的镜像，完整收录了与代理型人工智能治理及法律合规相关的源代码与配置文件。其构建过程以Apache-2.0开源许可为基础，确保内容的可获取性与合规性，为AI治理领域的研究者提供了可直接溯源的技术资料集合。

特点

该数据集以法律治理与代理型人工智能治理为核心主题，囊括了形式化验证方法如Ouroboros的相关实现，兼具技术严谨性与领域专精度。其内容经过严格验证，遵循‘无营销性描述、每项声明可核实’的Doctrine v6原则，代表了AI治理领域中从理论到实践的高质量转化。

使用方法

研究者可直接通过HuggingFace平台访问该数据集，将其加载至基于Python或类似框架的机器学习项目中，用于实验、分析或二次开发。数据集引用时需参照提供的BibTeX条目，标注Ouroboros相关文献及其数字对象标识符。用户可同时查阅GitHub上对应的原始仓库以获取版本更新与详细文档。

背景与挑战

背景概述

counsel-source数据集由Stephen P. Lutar于2026年创建，隶属于SZLHOLDINGS机构，旨在为代理型人工智能治理提供正式验证的规范性来源。该数据集镜像自GitHub开源项目counsel，核心研究问题聚焦于如何通过形式化方法确保AI治理系统的合规性与安全性。作为Ouroboros框架（v18.0）的配套资源，它在法律与治理领域具有开创性意义，为AI系统的可验证治理奠定了基础。该数据集遵循Apache 2.0许可，规模虽小（少于1000条），却精准服务于代理型AI的治理需求，为相关研究提供了可追溯、可验证的基准参考。

当前挑战

counsel-source所面临的挑战主要体现为领域问题与构建过程的双重复杂性。在领域层面，代理型AI治理缺乏统一的形式化验证标准，现有法律框架难以适应快速演进的智能系统，数据集需要解决如何将抽象治理规则转化为可执行、可验证的形式化模型这一核心难题。在构建过程中，源数据需从多种法律文档与治理规范中提取，确保信息的准确性与时效性是一大挑战；同时，数据集规模有限，如何在少量样本中覆盖治理场景的多样性，并避免主观偏见对验证结果的影响，对数据筛选与标注工作提出了严苛要求。

常用场景

经典使用场景

Counsel-Source 数据集作为法律治理与智能体人工智能交叉领域的核心资源，其经典使用场景聚焦于为自主智能体系统提供形式化验证与合规性审计的基准框架。研究人员借助该数据集，能够系统性地评估智能体在复杂法律情境下的决策逻辑是否符合预设治理规则，尤其是在代理型人工智能（Agentic AI）的治理结构、责任归属与行为边界判定方面，该数据集提供了可复现的参照标准，成为连接形式化方法与法律实践的桥梁。

实际应用

在实际应用中，Counsel-Source 数据集为金融合规、医疗决策支持以及自动驾驶等高风险领域的智能体系统提供了法律治理的落地依据。开发者可以依据该数据集构建智能体的行为约束模块，确保系统在数据隐私保护、合同自动执行和监管报告生成等环节严格遵循相关法案与行业规范，从而降低法律风险，提升企业治理的自动化水平与公信力。

衍生相关工作

该数据集衍生了一系列开创性学术成果，其中最聚焦的是《Ouroboros: Formal Verification of Agentic AI Governance — v18.0》，该工作基于Counsel-Source提出了自我反馈式智能体治理的循环验证框架，被视为代理型人工智能责任归因研究的里程碑之一。此外，后续研究还围绕该数据集扩展了多智能体冲突治理、动态规则更新等方向，形成了以形式化方法为核心的法律人工智能子领域。