---
title: "研究人员提出 Model Maps，追踪基础模型的上游来源"
dek: "一篇论文介绍了记录模型依赖关系的知识图谱，并称已为 15 个基础模型构建模型地图。这些地图有助于审视供应链，但其完整性和准确性仍有待核实。"
---

2026 年 11 月 13 日，研究人员提出 Model Maps 文档框架，用于追踪基础模型的上游来源。论文将模型地图描述为一种知识图谱，记录影响模型的各类对象及其关系，并在模型卡、数据说明文档等既有方法的基础上加以扩展。[^1]

作者认为，基础模型可能继承上游模型、数据集和基准测试的属性。他们将由此形成的关系网络称为 AI 纠缠，并指出，可见性不足会增加查明安全漏洞、幻觉或偏见预测来源的难度。该框架列出 13 种依赖机制，其中包括模型微调和合成数据生成。[^1]

论文称，作者为 15 个闭源和开放权重基础模型构建了地图，共记录 2,778 个独立依赖关系，并追踪到距离最终模型最多九跳的对象。摘要称研究人员已发布这些地图，并主张透明度要求除了涵盖单个模型和训练数据，还应覆盖上游依赖。[^1]

:::analysis
这一问题位于 T3 模型层：地图为用户或核查者提供了查看已记录模型来源的方式，但其价值取决于所记录关系的准确性和完整性。这里涉及的可核验属性是可识别性：如果为用户提供服务的确切版本和配置有记录且可核查，用户就可以判断自己是否受到某项上游依赖的影响。用户和运营方应核实自身记录能否识别提供服务的版本和配置，以及相关依赖是否有文档记录；摘要并未表明这些地图为任何具体部署提供了此类记录。[^1]
:::

:::checked
我们于 2026 年 11 月 19 日阅读了保存的 arXiv 摘要页面，题为《Model Maps: A Documentation Framework for Tracing Foundation Model Ancestry and Understanding AI Entanglement》。[^1] 我们没有阅读全文或检查已发布的地图，也没有测试该系统。文中的数量和发现来自作者的报告，尚未经我们独立核实。
:::
