CACM 开源 AI 框架：重新定义「开放性」
2026 年 7 月 29 日，ACM Communications 发表基础模型开放性评估框架。
开放性维度
| 维度 | 当前状态 | 框架要求 |
|---|---|---|
| 模型权重 | 多数「开源」已开放 | 基础门槛 |
| 训练数据 | 大多不公开 | 需公开数据组成与来源 |
| 推理代码 | 部分开放 | 需完整可复现 |
| 安全评估 | 各厂商标准不一 | 需统一评估协议 |
| 可复现性 | 极低 | 需第三方可独立验证 |
核心贡献
- 挑战「开放权重 = 开源」的简单等式
- 提出多维度、可量化的开放性评估标准
- 为政策制定提供学术参考
行业影响
- Meta Llama、Mistral 等模型的「开源」标签面临更严格审视
- 可能影响 AI 采购合规标准
- 激励更透明的模型发布实践
AI Master 解读
核心事件
CACM（ACM 旗舰期刊）发表论文，提出基础模型「开放性」的多维度评估框架。
行业影响
为什么值得关注： 在 Meta 发布 Llama、Mistral 开放权重的背景下，「开源 AI」的定义变得模糊。CACM 论文系统性地拆解了「开放性」：模型权重开放只是其中一层，训练数据、推理代码、安全评估、可复现性等都是关键维度。这个框架可能成为政策制定和行业评估的标准参考。
AI Master 建议
使用 CACM 框架评估当前「开源」模型的真实开放程度；在合规和采购决策中，不要仅看「开放权重」标签。