关于 Audit Commons

概览

Audit Commons 发布关于 AI 审计的新闻简报、深度解读和实用学习资料，初期侧重于 AI 智能体。资源库汇集了相关工具、基准测试、标准规范以及延伸阅读材料。

本网站由南加州大学（University of Southern California）计算机科学系教师 Yue Zhao 维护。

我们的报道方针

新闻简报概括来自原始一手资料的动态。专题深度解读相关研究及其影响；指南帮助读者理清概念和证据。文章的发布日期记录其在本站刊出的时间。对于新闻和版本发布，事件日期标明报道中动态发生的具体时间。早期研究依然具有重要的背景参考价值，并按相应时间标注。

文章均链接至原始资料，并将报道所得的事实与编辑解读严格区分开来。实例若是假设性质均会明确标注。报道内容经过精心挑选；本站并非大而全的新闻订阅源。

资源筛选与利益披露

资源库收录与智能体审计相关的框架、研究基准和验证工具。收录反映了其相关性与公开可用性；并不构成对任何工具的认可、背书或认证。

由维护者创建或共同撰写的项目（包括 CatchBench、Awesome Auditable AI 以及 Auditable Agents 代码仓库合集），均在资源列表中明确标注为维护者项目。

勘误

如果您发现摘要不准确、链接失效或事实陈述有误，请予以反馈。

请直接通过 Yue Zhao 的个人主页上的联系方式发送勘误请求。请附上页面地址、需要修改的具体语句以及指向原始一手文档的参考链接。

建议与贡献

欢迎推荐新的研究论文、基准测试和工具。

如需推荐资源，请向社区索引代码仓库提交 Issue 或 Pull Request：GitHub 上的 Awesome Auditable AI。该代码仓库作为当前的提交通道。

关于常规疑问或对工作表方法学的反馈，请通过 Yue Zhao 的个人主页联系维护者。