开放权重 AI 模型的伦理约束治理边界
人工智能
2026-05-27 v1 计算机与社会
软件工程
摘要
对开放权重 AI 模型的伦理约束既是社会关切的体现，也是 AI 治理政策的基础。它们预计会在下游衍生物中传播，同时作为必须在每次生成的再利用中重述的自愿性元数据披露。我们审计了 2,142,823 个 Hugging Face Hub 上的模型仓库，以测试基于披露的治理基础设施是否能在深层模型衍生链中维持可追溯性。限制证据的半衰期为 1.31 个衍生步骤（R²=0.98），且在超过七个下游生成后，至少 80% 的后代模型缺乏足够的公开证据以进行治理判断，我们在此形式化了一个治理边界。通过平台级干预恢复缺失的许可证元数据显示，政策设计（而非单纯的执行）是决定因素：仅继承的设计需要接近完整的执行才能推动边界移动，而一种强制声明的设计，该设计明确解决了孤立衍生链组件，即可在适度的执行下移动边界。结构性瓶颈在于没有可继承上游意图的衍生链：此类孤立组件在任何继承-only 政策下无论执行率如何都不可判定，未解决的上游节点还会创建直接的下游不可判定性瓶颈，继承规则无法恢复。与 PyPI 的比较显示，治理信号由显式机器可读声明携带，证实了这种崩溃是开放权重衍生特有的，而非开放生态系统的固有属性。这些结果表明，基于披露的治理在开放权重 AI 中仅具备浅层、结构性确定的覆盖范围，而实现深层供应链问责制需要通过衍生本身传播治理信号的源头追踪机制。
引用
@article{arxiv.2605.24383,
title = {A governance horizon for ethical-use constraints in open-weight AI models},
author = {Weiwei Xu and Hengzhi Ye and Haoran Ye and Kai Gao and Vladimir Filkov and Minghui Zhou},
journal= {arXiv preprint arXiv:2605.24383},
year = {2026}
}