核心要点
Model Card：用一页式文档说明模型的预期用途、训练数据概况、分群性能、已知局限与风险。
Datasheet for Datasets：记录数据集的动机、采集方式、构成、清洗、授权与已知偏见。
目的：提升透明度与可问责性，帮助使用者判断模型是否适用于自己的场景。
应给出「不该用于」的反向用途说明，并随版本更新、记录评估条件以便复现。
标准回答
两类文档
- Model Card（模型卡）：随模型发布的结构化说明，覆盖预期用途、不当用途、训练/评测数据概况、按子群体（如性别、语言）拆分的性能、已知局限与伦理风险。
- Datasheet for Datasets（数据集说明书）：随数据集发布，记录采集动机、来源与方式、样本构成、标注与清洗流程、授权/许可、隐私与偏见等已知问题。
为什么需要
- 透明度：让下游使用者了解模型「在什么条件下、对谁、表现如何」，而非只看一个总分。
- 问责性：明确责任边界与适用范围，出问题时可追溯设计与数据决策。
- 降低误用：写清「不该用于」的场景（如高风险医疗、执法决策），减少超范围部署。
多方视角与局限
监管（如透明度要求）和社区都在推动其标准化。但文档是自述性的，质量参差、可能避重就轻，需配合独立审计与第三方评测才更可信。
常见误区
⚠️ 常见踩坑
别把 Model Card 当营销材料只写优点。它的价值恰在于诚实披露局限、失败模式和不当用途；缺了「不该用于哪些场景」和分群性能，文档就失去了问责意义。
追问
追问 1：Model Card 和 Datasheet 的关注点有何不同？
Model Card 聚焦「模型」——用途、分群性能、局限与风险；Datasheet 聚焦「数据集」——来源、构成、采集与标注流程、授权和偏见。前者帮助判断模型是否适用，后者帮助判断数据是否合规、是否会把偏见带入模型。二者互补，共同支撑全链路透明。
追问 2：只靠厂商自述的 Model Card 够可信吗？
不够。Model Card 是自述文档，存在选择性披露、口径不一、更新滞后等问题。要提升可信度，需配合可复现的评测条件、独立第三方审计、外部红队结果，以及监管要求的透明度报告，让披露可被验证而非仅凭自说自话。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。