遇见数据集

gspc-distribution-integrity

收藏
Hugging Face2026-08-31 更新2026-09-01 收录
官方服务:

资源简介:

数据集是用于GSPC(全球安全性能委员会)分布完整性测量的一个框架性数据集,当前状态为“未测量”,所有行均为空。它定义了输入模式,包括主体(subject)、代币化类型(tokenisation_type)、分布式数值(figure_distributed)、代表性数值(figure_represented)、单位(unit)、来源URL(source_url)、数据截止日期(as_of)以及混合标志(mixed_flag)等字段。数据集包含coverage-card.json、eval.yaml、input-schema.json和skeleton.json等文件。该数据集不用于认证或评分,而是作为实时API的打印输出,用于记录和验证分布完整性。注意:数据集本身不包含实际数据,仅提供结构定义。

This dataset is a framework dataset for the GSPC (Global Security Performance Council) distribution integrity measurement. It is currently in the "UNMEASURED" state, with all rows empty. It defines the input schema, including fields such as subject, tokenisation_type, figure_distributed, figure_represented, unit, source_url, as_of, and mixed_flag. The dataset includes files like coverage-card.json, eval.yaml, input-schema.json, and skeleton.json. It is not used for certification or scoring but serves as a print output of a real-time API for recording and verifying distribution integrity. Note: The dataset itself contains no actual data, only the structure definition.

创建时间:
2026-08-28
原始信息汇总

数据集概述

数据集名称:gspc-distribution-integrity

许可证:CC-BY-4.0

标签:measurement、gspc、unmeasured、coverage-card

状态:UNMEASURED(未测量)


核心说明

该数据集页面是一个实时数据“打印机”,数据源为 GET https://councilof.ai/api/gspc,而非数据“生产方”。引用时应使用该 GET 接口中的 totals.public_count 字段。禁止在此页面冻结 n 值,也不可冻结 MEASURED/UNMEASURED 表格,禁止在此处撰写数据生产逻辑。


设计原则

  • 诚实缺口:空单元格保持为空,不标注 MEASURED。
  • 非证书:此页面不是认证,不可出售,无评分。
  • 测量而非认证:Hub 页面不是第二记分板。
  • 禁止行为:禁止在 ZeroGPU 上运行生产逻辑,禁止作为推理端点。

评分规则(Rubric)

仅当“代表性数字(represented)”与“分配性数字(distributed)”分开发布且不混合时,第三方可复核的银行行记录才会被评分。

  • 将代表性数字混入分配性数字(或反向操作)即违反规则。
  • 禁止在此卡片上将数字汇总为单一 TVL。
  • 此列表不是审计。
  • 空单元格保持为空,此处无总计。

输入模式(银行行记录必含字段)

参考 input-schema.json,字段包括:

  • subject
  • tokenisation_type
  • figure_distributed
  • figure_represented
  • unit
  • source_url
  • as_of
  • mixed_flag

此壳包含空行,骨架不是评分,实时 GET 接口为准。


数据集文件

  • coverage-card.json
  • eval.yaml
  • input-schema.json
  • skeleton.json

相关外部链接

  • 实时面板(权威数据源):https://councilof.ai/api/gspc
  • 免费验证(无需登录):https://councilof.ai/gspc-verify
  • 验证方法说明:https://councilof.ai/signed/HOW-TO-VERIFY.md

严格锁定规则

  • 永远不认证
  • 永远不从此列表标注 MEASURED
  • 永远不虚构百分比、复合值或 YES/NO 计数
  • 空单元格保持为空
  • Spaces/Hub 仅作为 GET 接口的打印机,而非数据生产方
搜集汇总
数据集介绍
gspc-distribution-integrity 数据集图片
构建方式
该数据集以实时API为数据源,通过镜像方式构建,其核心设计原则是确保数据的分布完整性与测量透明度。具体而言,数据集包含coverage-card.json、eval.yaml、input-schema.json及skeleton.json等文件,其中skeleton.json作为壳结构,仅提供空行模板,不预设任何数值。数据构建严格遵循'未测量'状态,所有数据均源自权威实时接口,而非本地冻结快照,从而保证了数据的时效性与可验证性。
特点
该数据集最显著的特点在于其'诚实缺口'的定位,明确标注为'UNMEASURED',拒绝任何形式的测量认证或分数生成。数据集中空行保持空白,绝不填充臆造数值,体现了严谨的科学态度。此外,数据集强调'分离'原则,要求代表性与分布性数据不得混合,避免误导性汇总。其开放性体现在免登录验证机制,任何用户均可通过指定接口独立复核数据,增强了数据的可信度与可追溯性。
使用方法
使用该数据集时,应当始终以实时API的返回结果作为权威数据源,而非依赖本地存储。用户可通过访问https://councilof.ai/api/gspc获取当前数据,并利用提供的验证工具进行独立校验。在引用数据时,应明确标注来源,并遵循'空则空'的原则,不进行任何推测或补全。该数据集适用于需要监测数据分布完整性的场景,但不可用于认证或评分目的,使用者需避免将其作为最终结论的依据。
背景与挑战
背景概述
gspc-distribution-integrity 数据集由 Council of AI 于近期创建,旨在应对去中心化人工智能领域中分布式账本与代表权数据混杂的诚信挑战。该数据集以实测(MEASURED)与未测(UNMEASURED)的明确划分为核心,强调诚实披露数据缺口,而非提供认证或评分。其核心研究问题在于如何通过结构化的输入模式(如 subject、figure_distributed、figure_represented 等元数据字段)确保数据在传输与表示过程中的完整性和可验证性。通过引入实时 API 作为权威来源,该数据集为人工智能治理提供了新的测量基准,对推动计量标准的透明化具有潜在影响力。
当前挑战
该数据集面临的首要挑战是解决领域内普遍存在的代表性数据与分布数据混淆的诚信问题,即需严格分离 represented 与 distributed 数值,避免合计或混合以提高透明度。其次,构建过程中需克服实时数据动态更新的困难,确保列表作为 API 的“打印机”而非“磨坊”,防止固化数值或伪造测量状态。此外,空单元格必须保持为空,禁止 LLM 评判或臆造百分比,这要求严格的规则遵循和自动化验证机制。最终,如何在无审计认证的前提下维持数据的可信度,成为该数据集持续发展的关键挑战。
常用场景
经典使用场景
gspc-distribution-integrity数据集专为全球稳定币支付通道(GSPC)生态中的分布完整性度量而设计,其核心用途在于记录和验证代币在代表与分发两个维度上的独立数值。该数据集通过提供结构化的输入模式(input-schema.json)与覆盖卡(coverage-card.json),使研究者能够系统性地监控稳定币发行与流通的分布状态,尤其适用于需要区分'代表金额'与'分发金额'的合规审计、透明度分析及链上数据完整性校验等场景。
衍生相关工作
该数据集衍生出多项相关研究与工具,包括无登录验证工具(gspc-verify)和分布式账本校验方法的标准化流程。其设计理念推动了'非认证、只测量'的数据治理原则,影响了一系列关于区块链数据完整性、去中心化指标透明性以及稳定币审计框架的学术探讨,促进了跨机构数据共享与验证协议的演进。
数据集最近研究
最新研究方向
当前,去中心化金融(DeFi)与资产代币化领域对数据完整性与可验证性的要求日益严苛,gspc-distribution-integrity数据集应运而生,其核心使命在于为链上资产的分配(distributed)与代表(represented)数据提供透明、不可篡改的测量基准。该数据集明确界定了测量与认证的边界,通过严格区分混合数据,杜绝了将不同维度数值简单加总的误导性做法,从而为审计与合规提供了清晰依据。其前沿研究方向聚焦于构建“陌生人可复算”(stranger-recomputable)的开放数据架构,借助实时API(GET endpoint)与加密签名验证机制,推动数据源权威化与去中心化信任模型的落地。此举不仅回应了行业对无偏见、可审计数据的高涨需求,更为资产代币化生态中的风险管理与监管科技(RegTech)设定了新的数据治理范式,虽当前状态为未测量(UNMEASURED),却诚实标注空白,为后续严谨评估奠定了方法论基石,具有深远的行业规范意义。
以上内容由遇见数据集搜集并总结生成
二维码
社区交流群
二维码
科研交流群
商业服务