SHIO
SHIO JOURNAL 人工智能

原文节选 · 对照阅读

人工智能风险管理框架（AI RMF 1.0）

SHIO JOURNALSHIO 发布 3 分钟阅读

SOURCE READING

原文与译文

原文与译文基于下列主来源；其余资料用于 SHIO 分析。

主来源

原文标题
Artificial Intelligence Risk Management Framework (AI RMF 1.0)
原作者／机构
Elham Tabassi / National Institute of Standards and Technology
主来源
National Institute of Standards and Technology
来源语言
英文
原始发布日期
阅读来源原文

以下为主来源的摘要节选，并非整份报告。中文与日文为SHIO于2026年10月20日制作的对照译文；SHIO分析另行标明。来源语言与页面语言相同时只显示一次原文。Republished courtesy of the National Institute of Standards and Technology.

使用依据：NIST-authored technical report: U.S. public-domain basis and worldwide reprint/derivative-work permission; third-party material excluded

原文节选01
As directed by the National Artificial Intelligence Initiative Act of 2020 (P.L. 116-283), the goal of the AI RMF is to offer a resource to the organizations designing, developing, deploying, or using AI systems to help manage the many risks of AI and promote trustworthy and responsible development and use of AI systems.
对应译文01

根据《2020年国家人工智能倡议法》（公法116-283号）的要求，AI RMF旨在为设计、开发、部署或使用AI系统的组织提供参考，帮助其管理AI的多种风险，并推动可信、负责任的AI系统开发与使用。

原文节选02
The Framework is intended to be voluntary, rights-preserving, non-sector specific, and use-case agnostic, providing flexibility to organizations of all sizes and in all sectors and throughout society to implement the approaches in the Framework.
对应译文02

该框架旨在保持自愿性、维护权利，不针对特定行业或具体用例，使社会各领域、各行业和各种规模的组织都能灵活实施框架中的方法。

SHIO 分析

AI 评估，应当以一个决定收尾

以下为 SHIO 独立判断与方法讨论，并非来源原文或其翻译。

SHIO 阅读提示

重读 NIST 在 2023 年发布的风险框架与 2024 年的生成式 AI 配套文件，把评估写成可执行的实验，而不是展示用的分数。

核心判断

SHIO 判断：只有说明证据支持什么决定，模型结果才能转化为行动。

来源事实：框架不等于产品认证

NIST 于 2023 年 1 月 26 日发布 AI RMF 1.0，作为供 AI 开发者与使用者自愿采用的风险管理指引。文件适用于不同领域与使用情境，其作用是帮助组织安排风险管理工作。框架的发布，并不构成对任何具体产品的认证，也不能直接回答某个业务流程能否交给模型。

2024 年 7 月 26 日发布的生成式 AI Profile 是这一框架的配套资源。这里讨论的是有明确年代的参考文件，而非今日新闻。将两者并读，值得带走的是一个问题：普遍的风险管理原则，如何在实际任务、输入资料与责任关系中变成可判断的证据？

SHIO 方法：先写要做的决定

选择测试集之前，先写出一条项目负责人能够接受或否决的规则。例如：资料足够时，助手可以准备草稿；证据不足时，必须提出复核请求。随后用实际工作中的样例解释“足够”意味着什么。测试中要包含信息缺失的请求、表达含糊的要求，以及系统理应不作答的情况，避免只看顺利完成的演示。

再把内容质量与错误行动的代价分开记录。摘要流畅却夹带一个无依据的细节，与摘要准确却错过处理时限，会造成不同的问题，不能用同一个满意度掩盖。保留固定的对照样例，也收集使用中出现的新案例。只有明确测试条件是否变化，团队才有机会解释分数为何改变。

SHIO 判断与限制：把通过写成有条件的许可

小规模试点最有价值的交付物，可以是一份决定记录：任务是什么，使用了哪些案例，出现了什么失败，由谁负责，以及何时停止。假设测试一个客服草稿助手，可按测试当日的正式政策逐项核查输出，并把无法确认的承诺交给指定人员处理。这是 SHIO 提出的验证方法，不是已经实现的项目成果或效率承诺。

一次通过，只在已测试的输入、系统版本与复核流程中成立。它不能证明普遍可靠，也不能推出商业回报。资料、权限或工作方式改变后，原有决定应重新审视。让思想生成形态，并不只是推动系统上线；还包括让下一步行动受到证据约束，允许试验给出“目前不适合使用”的答案。

留给实践的问题

从一个有后果的决定出发，建立足以改变这个决定的最小评估。

REFERENCES & EDITORIAL NOTE

资料来源

主来源的原题、作者与使用依据保留在原文区。节选、SHIO 译文和独立分析明确分列；下列链接用于核对主来源、辅助资料及其上下文。

  1. National Institute of Standards and Technology · 主来源

    Artificial Intelligence Risk Management Framework (AI RMF 1.0)

    原始来源日期：查阅日期：

    The official NIST Technical Series Publications policy states that NIST employee works are not copyright-protected in the United States and grants a worldwide, royalty-free right to reprint and create derivative works to the extent NIST asserts foreign rights. The selected original report text is attributed to NIST, not to an external quotation; no third-party tables, figures, logos or images are reproduced. The policy warns that third-party-authored works may remain protected. Attribution is retained and the Chinese/Japanese text is marked as SHIO translation dated2026-10-20. Policy/source: https://www.nist.gov/open/copyright-fair-use-and-licensing-statements-srd-data-software-and-technical-series-publications

  2. National Institute of Standards and Technology

    Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile

    原始来源日期：查阅日期：

    NIST employee works: U.S. public domain; third-party exceptions. Original editorial analysis; no full translation. Policy: https://www.nist.gov/open/license

返回文集专著