gspc-signed-boards

gspc-signed-boards 是一个由 Council of AI 提供的测量记录数据集，用于记录对 AI 系统在多个评估轴上的测量结果，而非认证。数据集包含 22 个评估轴，其中 15 个轴已测量（包括治理、安全、溯源、连续性、合规性、开放性、机器一致性、关怀、跨现实、检测器互操作、第5条保障、群体、情感、越狱、溯源控制），7 个轴未测量（保留证明、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）。此外，数据集记录了 313 个编目卡片（card），其中 150 个已通过验证。该数据集可用于 AI 治理评估、合规性分析等场景。gspc-signed-boards is a measurement record dataset provided by Council of AI, used to record measurement results of AI systems on multiple evaluation axes, rather than certification. The dataset contains 22 evaluation axes, of which 15 are measured (including governance, safety, provenance, continuity, compliance, openness, machine consistency, care, cross-reality, detector interoperability, Article 5 safeguards, group, emotion, jailbreak, provenance control), and 7 axes are unmeasured (retention proof, regulatory framework, distribution integrity, hosting disclosure, AI economic index, human labor index, humanoid labor index). In addition, the dataset records 313 cataloged cards, of which 150 have been verified. This dataset can be used for AI governance assessment, compliance analysis, and other scenarios.

原始信息汇总

gspc-signed-boards 数据集概述

基本信息

• 许可证：cc-by-4.0（知识共享署名4.0国际版）
• 数据集名称：gspc-signed-boards
• 来源：Council of AI 的测量记录，属于测量数据而非认证数据

核心内容

该数据集包含 Council of AI 的 GSPC（全球安全与治理合规）测量记录，围绕22个评估轴展开，其中：

• 15个轴已有测量数据，包括：治理、安全性、来源追踪、连续性、合规性、开放性、机器合规性、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、防护（jail）、来源控制
• 7个轴为空（未测量）：保留声明、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

重要说明

1. 动态更新：22个轴的计数是动态的，较旧的轴数量会被最新的实时GET请求结果取代，不建议在此处冻结评分表。
2. 防护（jail）说明：jail 被定义为测量中的一个基础维度（TIE），并非第16个面板。
3. 目录规模：已编目录313张卡片，其中150张已验证。

验证信息

• 验证接口：https://councilof.ai/gspc-verify
• 验证费用：免费
• 状态标识：非认证性质

搜集汇总

数据集介绍

构建方式

该数据集源自Council of AI的GSPC（全球安全与治理委员会）测量记录，旨在对人工智能系统进行多维度的治理评估。其构建方式基于一个动态的在线API（GET https://councilof.ai/api/gspc），该API维护着22个测量轴，其中15个已明确测量，7个因特定原因暂未纳入分数计算。数据集的卡片目录包含313个条目，其中150个支持免费验证，验证过程通过独立平台（https://councilof.ai/gspc-verify）进行，确保测量的透明性和可追溯性。测量轴涵盖治理、安全、来源、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、艺术第5条保障、群体、情感、监禁和来源控制等领域，而保留证明、监管框架、分发完整性等7个轴则明确标记为未测量，不作为评分依据，体现了测量边界的清晰界定。

特点

该数据集的核心特征在于其“测量而非认证”的定位，强调动态性和真实性。测量状态明确区分LOADING、UNREACHABLE、UNMEASURED和UNCHECKABLE，绝不虚构零分，保证了数据的可靠性。所有测量结果通过实时API提供，任何静态副本都可能过时，因此数据集鼓励用户引用最新GET请求的结果。此外，监禁被设定为测量下限，而非新增的第十六面板，这一设计防止了分数虚高。数据集的开放性体现在免费验证机制和MCP工具支持（含7个工具）上，并提供了npm包（csoai-gspc-mcp@0.1.0）方便集成，促进了社区参与和独立审计。

使用方法

使用者应直接调用官方API获取最新测量结果，而非依赖本数据集的静态快照，以确保数据时效性。验证流程可通过访问https://councilof.ai/gspc-verify进行，无需账户即可免费验证卡片真伪。对于开发者，可集成MCP服务（POST https://councilof.ai/mcp）以利用其七个工具，或通过npm包csoai-gspc-mcp@0.1.0快速接入四项核心功能。数据集的测量轴信息为AI治理研究提供了量化基准，适用领域包括政策制定、企业合规和技术审计。使用时需注意，未测量的7个轴不参与评分，且监禁轴作为下限值，防止对结果产生误导。

背景与挑战

背景概述

gspc-signed-boards数据集由Council of AI于2024年创建，是GSPC（Global Safety and Performance Consortium）测量体系中的核心档案。该数据集旨在系统化记录人工智能治理与安全评估的多维度量化指标，其核心研究问题在于构建一个动态、透明且可验证的AI合规性测量框架。通过涵盖22个轴、15个已测量维度及7个待评估维度，该数据集为AI系统的治理、安全、溯源及互操作性等关键领域提供了基准参考。作为非认证性的测量记录，它填补了AI治理标准化评估工具的空白，对推动行业自律与政策制定具有重要影响力。其公开的API接口与徽章系统更促进了多方协作与持续更新。

当前挑战

该数据集面临的挑战多元且深刻。领域层面，AI治理评估缺乏统一标准，导致测量维度（如治理、安全）的定义与量化难以达成共识，且7个未测量维度（如监管框架、劳动力指数）因数据稀缺或指标不成熟而无法赋值，制约了评估的全面性。构建过程中，挑战尤为严峻：需避免评分被伪造（明确拒绝虚假零值），确保测量状态的真实性与可追溯性；数据集需动态更新以反映最新标准，但同步多机构数据源及维护实时接口（如MCP端点）的稳定性成为技术难题。此外，平衡测量透明度与数据隐私、防止文化偏见影响评估结果，亦是持续存在的挑战。

常用场景

经典使用场景

该数据集作为CSOAI目录制品，记录了全球AI治理与安全评估领域的权威测量记录，其核心用途在于为AI系统提供多维度的治理与安全评分基准。研究者可借助此数据集，对AI模型在治理、安全、溯源、连续性、一致性、开放性、跨现实、检测器互操作、艺术保护、集群行为、情感影响、防护机制等15项已测量轴线上进行系统性评估，从而构建全面的AI治理画像。同时，数据集中清晰标注了7项未测量维度，避免了对缺失数据的误解，确保了学术研究的严谨性与数据的可用性。

解决学术问题

该数据集有效解决了AI治理研究中缺乏统一、可量化评估标准的问题。传统上，AI安全与治理议题多依赖定性讨论，难以进行横向比较与纵向追踪。本数据集通过22个轴线的结构化测量框架，将治理、安全等抽象概念转化为可操作的度量指标，为学术社区提供了标准化工具。其'测量而非认证'的定位，规避了价值判断的争议，使得研究者能够客观地评估不同AI系统的治理成熟度，推动了AI治理领域从理论思辨向实证研究的范式转变，对构建负责任AI的学术体系具有奠基性意义。

衍生相关工作

该数据集衍生出一系列相关工具与研究工作。基于其实时查询接口，社区开发了npm包'csoai-gspc-mcp'，提供四到七种MCP工具，用于自动化获取与解析治理得分，促进了AI治理数据的程序化集成。此外，数据集的验证机制（GSPC-verify）催生了关于AI模型安全验证方法的研究，特别是对'防护机制'轴线中'jail'概念的深入探讨，将其视为已测量的底线而非独立窗格，这一思想影响了后续对AI安全防线有效性的界定。同时，数据集中未测量维度的标记策略，也引发了对AI治理评估边界与数据透明性的学术讨论，推动了相关方法论的发展。