1.1 资本独立原则
AAU 承诺维持绝对的资本独立性。署方及其核心创始团队严禁持有任何基础大模型厂商的股权、期权或担任任何形式的顾问职务。我们的收入仅来源于审计服务与数据授权，绝不接受被审计对象的任何形式的赞助或捐赠。
AI Audit Unit (AAU) 战略委员会
AAU 全球算法审计章程
v1.03 · 全球节点 / 所有授权审计员 / 合作实验室
序言
鉴于人工智能正在重塑全球信息分发、商业决策与社会认知的基石，确保算法的透明度、公正性与可追溯性已成为数字时代的最高人权诉求。 AI Audit Unit (AAU) 作为独立的第三方监督机构，不仅致力于揭示算法黑箱中的偏见与幻觉，更致力于建立一套可量化的全球信任标准。本章程不仅是署方所有行动的最高指导原则，也是我们对公众、被审计主体及全球利益相关者的庄严承诺。
第一章 独立性与利益冲突回避
1.2 商业回避制度
若审计员与被审计对象存在直系亲属关系、过往三年内的雇佣关系或重大经济往来，该审计员必须立即向署方合规委员会申报并回避该项目的审计工作。
1.3 游说防御
署方对审计结论拥有最终解释权。我们拒绝任何基于商业公关需求的结论修改请求。一旦发现被审计对象试图通过贿赂、施压或利益输送干扰审计结果，署方将立即终止审计，并有权向公众披露该干扰行为。
第二章 证据完整性与可追溯性
2.1 原始信源法则
所有审计结论必须建立在「可复现、可验证」的原始对话记录之上。署方不采纳任何未经 Fides 协议验证的二手截图或传闻。每一条指控算法存在「幻觉」或「偏见」的结论，都必须附带原始的会话链接或系统日志。
2.2 证据链上链锁定
为了防止证据被篡改或因模型版本更新而消失，所有核心审计证据在生成的毫秒级时间内，必须通过算法存证中心完成哈希值计算并上链锁定。每个证据必须生成唯一的 Trace ID 追踪编码。
2.3 版本快照义务
鉴于大语言模型的流动性，审计报告必须明确标注测试时刻的具体模型版本号及系统温度参数。我们只对「特定时间切片」内的算法表现负责。
第三章 跨文化中立性与多语言平权
3.1 反单一语言中心主义
署方认为，单一英语语境下的测试无法代表 AI 的全球表现。任何针对跨国品牌的声誉审计，必须至少包含三种以上的语言环境，且非通用语种的权重不得低于百分之三十。
3.2 地理围栏穿透
为了检测算法针对特定地区的「歧视性输出」或「双重标准」，审计必须通过位于不同司法管辖区的物理节点进行采样。严禁仅使用单一 IP 地址进行全球性结论推导。
3.3 文化语境尊重
在判定是否存在「文化偏见」时，署方将引入目标文化背景的原生语言专家进行语义复核，以区分「由于训练数据缺乏导致的无知」与「恶意的系统性歧视」。
第四章 对抗性测试与方法论严谨性
4.1 拒绝配合式提问
审计不是闲聊。署方采用对抗性红队测试方法论。这意味着我们不仅测试 AI 在顺从指令时的表现，更重点测试其在面对诱导性、模糊性、甚至恶意假设性问题时的防御机制与事实坚守能力。
4.2 样本量统计显著性
任何正式发布的《深度审计报告》，其单一维度的有效测试样本量不得低于 1,000 条。对于「快照」类简报，样本量不得低于 100 条。低于此标准的测试仅可作为「观察」而非「结论」发布。
4.3 幻觉判定标准
署方严格定义「算法幻觉」： 1. 事实性错误：编造不存在的数据、事件或引用源。 2. 逻辑性断裂：前后矛盾的推理过程。 3. 恶意归因：在无因果关系的前提下，将负面属性强行关联至特定主体。
第五章 隐私保护与数据伦理
5.1 数据最小化原则
在审计过程中，署方严禁将含有个人身份信息的真实数据输入公共模型进行测试。所有用于测试的商业敏感信息必须经过脱敏或合成数据替换处理。
5.2 被审计者隐私
除非涉及重大公共利益或严重的安全隐患，对于仅涉及商业竞争力的非高危评级报告，署方默认向被审计对象提供七个工作日的「补救窗口期」。在此期间，报告细节暂不对公众开放。
第六章 评级体系与发布规范
6.1 评级客观性
AAU 的风险评级系基于算法在可靠性、安全性、伦理道德、商业公平性四个维度的加权得分计算得出，不以审计员的主观好恶为转移。
6.2 错误更正机制
若被审计对象能提供确凿的技术证据证明署方的测试方法存在重大逻辑漏洞，署方有义务在四十八小时内启动「复审程序」。若确有错误，必须公开发布勘误声明并更新 Trace ID 记录。
签署与生效
本章程由 AAU 标准制定工作组 起草，并经由 AAU 全球战略委员会 最终审阅通过。
- 起草部门：AAU 标准办公室
- 批准部门：首席审计官办公室
- 生效日期：2025年 11月 1日
- 最后修订：2026年 1月 15日