Ario：面向 AI 系统认知完整性审计的初步设计与探索性评估

发布于 2026 年 10 月 9 日 | 版本 v7

描述

本初步研究报告介绍了 Ario，一个用于审计 AI 系统中认知完整性、记忆、修订和身份相关主张的拟议框架。报告阐述了该项目的基本原则，包括记忆与真相的区分、证据与推断的分离、不确定性的显式表示，以及修订的可问责性。

报告包含对涉及 NoTrack 的对话记录进行的探索性评估，重点关注基于证据的检索、来源独立性、跨会话连续性主张、完整性与不可变性主张、可重复性以及自我纠正。观察到的交互既揭示了有用的认知行为，也暴露了重大失效模式，包括无依据的假设、对先前评估的捏造性重构，以及仅在明确质疑后才做出的更正。

该评估仅限于用户提供的对话记录。它并未独立验证 NoTrack 的内部架构、持久记忆、技术审计机制或 Ario 的实现。因此，这些发现属于初步观察，而非对系统整体能力的证明。

报告确立了开发和测试可审计 AI 系统的初步研究方向，在该系统中，主张、证据、来源、不确定性和修订均可被审查，而不赋予任何行为者自动的认知权威。它旨在作为一份早期设计与探索性评估文档，可通过可复现实验、明确的测试规范和可独立检查的技术证据加以完善。

项目仓库：https://github.com/SepehrGhanbari/Ario

文件

Preliminary Design and Exploratory Evaluation.pdf

文件 (187.0 kB)

附加详情