leeroy-jankins/OMB-Circular-A-123

OMB Circular A-123企业风险管理与内部控制问答数据集是一个基于OMB Circular No. A-123（管理对企业风险管理和内部控制的责任）的合成指令式问答数据集。该数据集旨在支持联邦企业风险管理、内部控制、风险概况、内部控制评估、纠正行动计划、保证报告、欺诈风险管理、隐私风险管理、采购风险、赠款风险以及反赤字法案风险等相关领域的训练、微调、检索评估和特定领域问答用例。源文件更新了联邦管理责任，要求机构实施企业风险管理能力，并与战略规划、战略审查和内部流程协调。它还建立了使用政府问责办公室的联邦政府内部控制标准（通常称为绿皮书）评估内部控制的要求。数据集包含200条记录，采用对话式问答结构，适用于指令调整、检索增强生成评估、联邦管理培训和政策导向问答。The OMB Circular A-123 Enterprise Risk Management and Internal Control Question Answering Dataset is a synthetic instruction-style question-answering dataset derived from OMB Circular No. A-123, Management’s Responsibility for Enterprise Risk Management and Internal Control. The dataset is designed to support training, fine-tuning, retrieval evaluation, and domain-specific question-answering use cases related to Federal enterprise risk management, internal control, risk profiles, internal control assessment, corrective action planning, assurance reporting, fraud risk management, privacy risk management, acquisition risk, grants risk, and Antideficiency Act risk. The source Circular updates Federal management responsibilities by requiring agencies to implement an Enterprise Risk Management capability coordinated with strategic planning, strategic review, and internal control processes. It also establishes requirements for assessing internal control using the Government Accountability Office’s Standards for Internal Control in the Federal Government, commonly known as the Green Book. The dataset contains 200 records and is structured in a conversational format suitable for instruction tuning, retrieval-augmented generation evaluation, Federal management training, and policy-oriented question answering.

搜集汇总

数据集介绍

构建方式

该数据集源自美国管理与预算办公室（OMB）发布的第A-123号通告，该通告确立了联邦机构在首席风险官、风险管理委员会等治理架构下整合企业风险管理与内部控制的职责框架。数据集采用合成生成策略，基于原始政策文本中的关键概念，通过指令微调范式构建了涵盖用户提问与助手回答的对话式记录。每条数据包含唯一标识符、用户问题及基于源文档的摘要性回答，共计200条记录，全面覆盖了风险画像、内部缺陷评估、纠正行动计划、保证声明、舞弊风险、隐私风险、采购风险、补助金风险及反赤字法风险等联邦管理核心领域。

特点

该数据集突出展现了联邦政府企业风险管理与内部控制领域的专业性与系统性，其主题覆盖范围极为广泛，从战略目标与治理结构到具体操作层面的风险评估与响应类别均有涉及。数据以简明的问答形式呈现，便于模型理解政策文本中复杂的层级关系与跨部门职责。作为合成数据集，它注重对原文的提炼与重构而非直接引用，在保证知识准确性的同时提供了灵活的训练素材。此外，数据集中还明确标注了非适用场景，强调其教育性与参考性，避免被误用作法律或合规决策的替代依据。

使用方法

该数据集主要面向联邦管理领域的大语言模型微调与检索增强生成系统评估，尤其适合用于构建面向政策问答的智能助手。使用者可将数据划分为训练集与评估集，采用指令微调范式使模型掌握OMB第A-123号通告中的核心概念与术语定义。在应用过程中，应当注意数据集为合成性质，其回答经过摘要化处理，不包含逐字引用与正式出处，因此不应作为官方政策解释或合规判定的唯一依据。数据集的维护与更新需以OMB通告修订、GAO标准更新及联邦管理法条变化为触发条件，确保训练素材始终反映最新的监管要求。

背景与挑战

背景概述

OMB Circular A-123 Enterprise Risk Management and Internal Control Question Answering Dataset 是由美国联邦政府维护、Terry Eppler 主导构建的合成式问答数据集，创建于2016年7月15日发布的 OMB Circular No. A-123（M-16-17）备忘录基础之上。该数据集聚焦于联邦企业风险管理与内部控制的政策领域，旨在为自然语言处理模型提供面向联邦财务管理、风险治理、欺诈风险、隐私风险及采购风险等专业领域的指令微调和检索增强生成评估资源。其核心研究问题是如何从复杂的政府管理法规中提取结构化的问答对，以支持联邦管理人员、审计师和分析师的培训与政策分析。该数据集通过覆盖《联邦管理者财务诚信法案》和《政府绩效与结果现代化法案》等权威法律文件，显著推动了联邦管理政策在人工智能领域的可及性与应用深度。

当前挑战

该数据集所解决的领域问题主要涵盖联邦企业风险管理与内部控制的专业知识问答，其构建过程中面临多重挑战。首先，联邦管理法规（如 OMB Circular A-123）文本高度专业化、术语密集且逻辑层级复杂，人工提炼问答对既耗时又易引入歧义。其次，采用合成生成方法虽提高了效率，但自动生成的答案可能存在简化、省略关键细节或偏离原意的问题，需要在准确性与可读性之间取得平衡。此外，数据集的200条记录规模较小，难以覆盖风险管理、内部控制评估及纠正行动计划等全部子主题的细微差异。最后，政策时效性是一大挑战——该领域法规与指南（如 GAO Green Book）会定期更新，静态数据集可能很快过时，需要持续维护以保持与最新联邦管理实践的一致性。

常用场景

经典使用场景

在联邦企业风险管理与内部控制领域，OMB Circular A-123问答数据集作为一项重要的指令微调资源，主要用于训练和评估面向政策文本的问答系统。该数据集以OMB第A-123号通告为知识根基，精心构建了200条涵盖企业风险管理、内部控制评估、风险概况分析、纠正行动规划、保证声明报告以及欺诈、隐私、采购、拨款和反赤字法等专项风险管理的合成问答对，为联邦财务管理领域的自然语言处理模型提供了专业化、规范化的训练素材。

解决学术问题

该数据集有效回应了联邦财务管理学术研究中长期存在的领域知识问答资源匮乏问题，填补了监管政策文本与人工智能模型之间的语义鸿沟。通过将复杂的联邦风险管理与内部控制要求转化为结构化的指令问答形式，研究者得以系统性地探索细粒度政策理解、可解释性推理以及合规性知识检索等核心学术课题。这一工作对于推动政府治理现代化、提升联邦机构管理问责制的自动化研究水平具有里程碑式的意义。

衍生相关工作

该数据集的发布催生了一系列围绕联邦政策问答的衍生研究工作，包括基于GAO绿本标准的内部控制评估问答数据集、面向《联邦管理者财务诚信法案》报告流程的指令微调数据集，以及融合OMB第A-11号通告的战略规划审查问答语料库。研究人员还借鉴其合成问答的生成范式，构建了涵盖欺诈风险管理框架、隐私影响评估和反赤字法合规等专项领域的垂直问答资源，逐步形成了联邦财务管理领域政策理解型AI模型的基准评测体系。