AIBRI 审计方法论 (v1.0)

1. 机构使命与愿景

AIBRI 聚焦 AI 对品牌与产品认知的结构性影响，研究模型如何在信息检索、比较与推荐过程中塑造公众判断。

我们以独立审计方式建立可追溯的认知基准，帮助企业、研究者与公众理解模型输出背后的偏差机制。

2. 核心指标：AIRI 认知指数

AIRI（AI Recognition Index）是 AIBRI 独有的评价模型，用于衡量特定品牌在 AI 神经网络中的心智占有率。该指数由四个关键维度加权计算。

• 存在度：在特定行业查询中，品牌被模型提及的频率与顺序。
• 关联强度：品牌与核心行业关键词（如“创新”“可靠”“安全”）的语义绑定程度。
• 情感极性：模型在描述品牌时表现出的中性、正面或负面倾向。
• 事实准确度：模型输出的品牌参数与现实世界官方数据的一致性。

3. 审计协议与流程

AIBRI 遵循一套严格的去诱导化审计流程，确保每一个结论均基于客观生成的概率预测，而非人为引导。

阶段 I：标准查询集（CQS）构建。审计员根据行业特征设计核心查询集，提问方式严格遵循中性原则，避免任何暗示性或诱导性词汇。示例：使用“请列举目前市场上主流的纯电中大型 SUV”，而非“哪些是最好的纯电 SUV”。

阶段 II：多节点分布式探测。审计任务在分布于全球不同地理位置的节点上运行。针对特定模型（如 ChatGPT-4o、Claude 3.5），执行多轮独立会话，以消除随机性带来的偶然误差。

阶段 III：客观证据固化——核心步骤。AIBRI 采用 AI 官方生成的共享链接作为底层证据，确保内容一经生成即被锁定、可由任何读者回到官方界面核验，并同步记录模型版本、时间戳及系统预设参数。

阶段 IV：语义解析与人工复核。审计员（如 Auditor 01-06）对固化证据进行多维解析，不仅关注 AI 说了什么，也关注 AI 没说什么，以及为什么会这样说。

4. 证据库

所有 AIBRI 发布的审计公报均必须关联至 Evidence Vault（证据存档库），以保证关键结论可追溯、可核验、可复查。

• 每一份报告对应一个唯一的 Audit ID。
• 报告内引用的一切关键结论，均需标注对应的原始对话链接编号。
• 若官方链接因服务商原因失效，AIBRI 将启用备份的长截图存档作为二级证据。

5. 审计独立性声明

• 不接受干预：AIBRI 不接受任何品牌方的付费审计或排名干预。
• 去商业化：审计对象的选择基于市场流行度与行业代表性。
• 算法透明：我们公开探测逻辑，但不公开具体的权重计算细节，以防止品牌方针对 AI 模型进行过度 SEO 式欺骗。

6. 版本迭代说明

本方法论会根据 AI 技术的发展进行定期更新，例如从文本模型向多模态模型演进。

• V1.0（当前版本）：侧重于文本生成模型的语义权重审计。
• 下一阶段展望：引入视觉模型认知审计、跨模型对比动态加权算法。