谁是责任方？数据、模型、用户还是法规？面向可持续未来的负责任生成式人工智能全景调查
计算机与社会
2026-03-10 v7
摘要
生成式人工智能正快速从研究走向实际部署，提升了负责任开发、评估与治理的需求。本文采用PRISMA指导下的方法，梳理了232项研究（2022年11月至2025年12月），涵盖大型语言模型、视觉语言模型、扩散模型及智能体管道。我们做出四项贡献：（1）首次构建跨越治理原则、技术评估与领域部署的全类型系统调查；（2）提出十维评估标准准则（C1-C10），对主要AI安全基准进行评分，并配套政策对照表，将基准映射到监管要求；（3）制定十二项生命周期关键绩效指标、为基础模型提供可解释性指导，并归纳测试床目录；（4）覆盖医疗、金融、教育、艺术、农业与国防等六大领域的垂直分析。本文提炼出三大发现：基准测试在偏见与有害内容方面覆盖率密集，但在隐私、来源可追溯性、深度伪造及智能体场景下的系统级失效方面仍显稀疏；评估工作仍主要是静态且局限于特定任务，限制了审计的可移植性；且文档不一致导致跨版本比较困难。我们勾勒了研究议程，优先建议适应性多模态评估、隐私与来源可追溯性测试、深度伪造风险评估、校准报告、版本化制品及持续监控。本次调查为实现生成式人工智能评估与治理协同，服务于安全可责任的部署，提供了结构化路径。
引用
@article{arxiv.2502.08650,
title = {Who is Responsible? The Data, Models, Users or Regulations? A Comprehensive Survey on Responsible Generative AI for a Sustainable Future},
author = {Shaina Raza and Rizwan Qureshi and Anam Zahid and Amgad Muneer and Anas Zafar and Safiullah Kamawal and Ferhat Sadak and Joseph Fioresi and Muhammaed Saeed and Ranjan Sapkota and Aditya Jain and Muneeb Ul Hassan and Aizan Zafar and Hasan Maqbool and Ashmal Vayani and Jia Wu and Maged Shoman},
journal= {arXiv preprint arXiv:2502.08650},
year = {2026}
}
备注
under review