开放权重AI模型伦理使用约束的治理视界

摘要

开放权重AI模型的伦理约束既是社会关切的反映，也是AI治理政策的基础。这些约束以自愿性元数据披露的形式实现，需要在每次复用时重新声明，并被期望传播到下游衍生模型。我们审计了Hugging Face Hub上2,142,823个模型仓库，以检验这种基于披露的治理基础设施能否在深层模型谱系中维持可追溯性。限制性证据以1.31个衍生步骤的半衰期衰减（$R^2$=0.98），超过七代下游之后，至少80%的后代模型缺乏可用于治理判定的充分公开证据，我们将这一深度边界形式化为治理视界（governance horizon）。恢复缺失许可证元数据的平台级干预表明，政策设计（而非仅靠执行力度）才是约束因素：仅继承式设计需要近乎完全的执行才能移动视界，而显式解决孤儿谱系组件的强制声明设计在中等执行力度下即可移动视界。结构性瓶颈在于没有可继承上游意图的谱系：此类孤儿组件在任何仅继承式政策下都无法判定，无论执行率如何；且未解决的上游节点还会造成下游直接不可判定的瓶颈，仅靠继承规则无法恢复。与PyPI（其治理信号由显式的机器可读声明承载）的对比证实，这种崩塌是开放权重衍生拓扑所特有的，而非开放生态固有的。这些结果证明，基于披露的治理在开放权重AI中的触达深度浅且由结构决定，要实现深层供应链问责，需要让溯源机制通过衍生过程本身传播治理信号。

开放权重AI模型伦理使用约束的治理视界：论文配图 — 图 1：Hugging Face 上开放权重模型谱系的结构拓扑。节点表示模型，边表示从公共工件中提取的经过验证的直接派生关系。开放权重重用不是形成简单的树状继承链，而是产生密集的谱系拓扑，其中包含集群模型族和围绕广泛重用的模型纠缠的局部邻域，从而创造了治理信号必须传播的结构条件。 a，已验证谱系图的全局视图。 b，当地谱系社区的放大视图，说明集群重用和异构衍生路径。 c，以广泛重复使用的焦点模型为中心的修剪邻域，强调即使在图形简化之后，当地血统在结构上仍然保持复杂性。 b和c中，边缘颜色表示推导算子，包括合并、适配器、微调、量化、蒸馏和剪枝；没有更具体分配的边显示为基本模型关系。根据我们的许可分析，节点颜色提供了模型是否带有可公开观察的道德使用限制的说明性叠加。