模型卡与数据卡（Model and Data Cards）
科普速读
- 它是什么： 模型卡和数据卡记录模型或数据集的情况及评估信息。
- 适合什么场景： 审查用途、评测条件、来源和局限。
- 主要边界： 文档说明不能代替独立验证。
概览
选择代码模型前，团队可能需要了解它测试过哪些语言、面向什么用途以及有哪些已知限制。
核心定义
模型卡描述模型的预期用途、评测条件和限制；数据卡描述数据集的来源、收集方式和组成。
背景与发展
模型卡和数据卡是一种文档实践，便于了解 AI 的开发与评测情况。模板各不相同，因此卡片应注明具体模型或数据集版本。
工作机制（How It Works）
作者用结构化文档记录适用范围、方法、数据来源、评测条件、风险和已知缺口。审阅者根据这些信息判断资源是否适合任务。
在软件测试与开发中的应用
可以在供应商审查、模型选型、数据集审批和测试计划中使用模型卡与数据卡，查找不支持的语言或缺失的评测案例。
优势与局限
完整的卡片能让假设和信息缺口更清楚。它仍依赖作者报告的准确性和完整性。
与相近术语对比
模型卡介绍模型，数据卡介绍数据集；基准测试汇报选定任务的结果，但未必说明预期用途或数据来源。
实施建议（Best Practices）
卡片版本要和模型或数据集同步，写清评测条件，注明缺失信息，并在资源变化后更新。
常见误区（Pitfalls）
不要把卡片当作认证或第三方审计。风险信息缺失表示“未知”，不表示“没有风险”。
FAQ
模型卡能证明模型安全吗？
不能。它记录模型报告的用途、评测和限制；团队仍要自行验证。