ML Commons Model Cards Registry

ML Commons Model Cards Registry 是由 ML Commons 主导的开源模型卡片标准化注册平台，致力于提升 AI 模型的可解释性、公平性与责任性。它提供统一框架，规范呈现训练数据来源、性能指标、偏差评估、能效分析、安全测试结果及部署限制等关键元数据，支持 SPDX 兼容格式导出，适用于模型开发者、AI 伦理审查员、合规工程师与监管机构。

# ML Commons Model Cards Registry ## 网站概述 ML Commons Model Cards Registry（https://mlcommons.org/en/model-cards/）是由国际开源联盟 ML Commons 推出的权威模型卡片（Model Cards）注册与共享平台。该平台并非仅提供模板文档，而是构建了一个可发现、可验证、可互操作的标准化注册体系，旨在系统性解决机器学习模型在实际部署中面临的透明度缺失、责任归属模糊与评估标准不一等核心挑战。其设计严格遵循《Model Cards for Model Reporting》（Mitchell et al., 2019）原则，并深度整合 ML Commons 在基准测试（如 MLC Perfusion）、能效评估（MLPerf Energy）和公平性度量（如 Bias Benchmark）等方面的最新实践。平台所有注册卡片均采用结构化 JSON Schema 定义，兼容 SPDX 2.3+ 元数据标准，确保与现有软件物料清单（SBOM）、AI governance 工具链及企业级 MLOps 平台无缝集成。作为开放基础设施，它不托管模型权重，但为每个注册项提供唯一持久标识符（PID）、版本控制、变更日志与社区评审标记，显著增强模型全生命周期的可审计性与可信度。 ## 核心功能与特色 - **标准化注册流程**：提供符合 ML Commons Model Card Specification v1.1 的在线表单与 CLI 工具（`mlc-modelcard`），支持一键生成、校验与提交结构化卡片； - **多维评估元数据支持**：强制包含数据谱系（data provenance）、性能基准（含 MLPerf 推理/训练结果）、群体偏差分析（race/gender/age subgroup metrics）、碳足迹估算（kWh per inference）、对抗鲁棒性测试（e.g., AutoAttack pass rate）及明确部署约束（如地理限制、硬件依赖、API terms）； - **SPDX 兼容导出**：所有卡片可导出为 SPDX Lite JSON 或 YAML 格式，便于嵌入 CI/CD 流水线或合规报告系统； - **可搜索公共注册表**：支持按任务类型（NLP/CV/ASR）、许可协议（Apache-2.0/CC-BY-SA）、评估维度（fairness/energy/safety）等多条件过滤与 API 批量检索； - **社区协作机制**：支持卡片修订请求（RFC）、第三方验证徽章（Verified by MLCommons Working Group）及跨组织引用链接（如与 Hugging Face Model Hub、ONNX Zoo 的双向关联）。 ## 适用人群与使用场景 - **AI 研究者与工程师**：快速生成符合行业最佳实践的模型交付物，满足学术出版、技术评审与内部模型治理要求； - **AI 伦理与合规团队**：将模型卡片作为算法影响评估（AIA）的核心输入，支撑 GDPR、EU AI Act 或中国《生成式人工智能服务管理暂行办法》的合规举证； - **MLOps 与平台架构师**：通过 API 集成卡片元数据至模型目录（Model Registry），实现自动化策略执行（如禁止高偏差模型上线）； - **政策制定者与标准组织**：利用公开注册库开展跨模型横向分析，识别领域共性风险并推动评估标准演进。 ## 使用建议或入门步骤 1. **前置准备**：确认模型已完成基础评估（至少包含准确率、关键 subgroup F1、训练数据统计摘要、典型推理功耗测量）； 2. **本地构建卡片**：克隆官方模板仓库（https://github.com/mlcommons/model-card-templates），使用 `pip install mlc-modelcard` 初始化 JSON Schema 实例； 3. **填充与校验**：依据 `model-card-schema.json` 填写字段，运行 `mlc-modelcard validate card.json` 进行语法与逻辑一致性检查； 4. **注册与发布**：访问官网注册页面上传校验通过的 JSON 文件，填写简要说明并选择公开/受限可见范围； 5. **持续维护**：每次模型迭代后更新卡片版本，利用 Webhook 自动同步至内部知识库或 SBOM 系统。推荐将卡片生成步骤纳入 GitHub Actions，实现‘代码即文档’的 DevOps 实践。