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。
编辑与维护者
Yue Zhao
南加州大学计算机科学助理教授
Yue 在 USC 领导 FORTIS Lab，研究可审计的 AI 系统，包括大语言模型评估、AI 智能体安全与效率。
在 Audit Commons，他负责选编报道和资源，并编写连接研究与审计实践的学习资料。
联系编辑
Audit Commons 编辑联系方式：Yue Zhao · hello@auditcommons.org
欢迎通过邮件提供新闻线索、推荐资源、反馈勘误或洽谈合作，中英文均可。
请附上相关页面或原始资料链接，并简要说明您的建议。资源推荐也可以通过 GitHub Issues 提交。
我们的报道方针
新闻简报根据原始资料或明确注明来源的报道概括相关动态。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。
Audit Commons 尚未为本站原创文字和示意图选定再使用许可。第三方图片按其各自的署名与许可使用。
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。
请将勘误请求发送至 hello@auditcommons.org。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 GitHub 上的 Awesome Auditable AI 提交 Issue 或 Pull Request。合并到该代码仓库的条目会在下一次经过审核的目录更新中导入，并经过规范化与去重。获接纳的资源可同时出现在 GitHub 清单和 Audit Commons。
关于常规疑问或对工作表方法学的反馈，请联系编辑。