AI鲁棒性审计元需求研究

2026年10月14日，arXiv Artificial Intelligence 刊出 Joshua Owotogbe 等人的研究《AI 鲁棒性审计的可操作元需求：一项设计科学研究》。该研究通过系统性文献综述，从 2,890 条记录中保留 74 条，提炼出 16 类共 43 条 AI 鲁棒性审计元需求，并经 128 名从业者评估，获得 5,504 条评分和 586 条实质性评论，其中 81.20% 的评分表示同意或强烈同意。从业者反馈新增一条关于外部组件与供应链依赖的需求，最终形成 16 类共 44 条元需求，其中 43 条通过定量验证。研究将元需求定义为规定一类审计框架应支持什么的高阶需求，以填补相关空白。目前该研究处于论文发表阶段，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。