AISPA：面向用户的大语言模型应用系统提示审计框架

AISPA框架提出了一种以用户为中心的系统提示审计方法，从八个维度评估提示指令。研究对88个商业AI产品中的3249条指令进行了审计，发现提示设计差异大，98.9%的产品包含至少一条保护性指令，但仅24%覆盖全部维度，且约40%的产品存在至少一条有问题的指令。

此前系统提示通常不透明，缺乏系统审计方法。AISPA首次提供了可操作的审计框架，并基于大规模产品调查，揭示了保护性指令普及但深度不足、问题指令仍广泛存在等现状，为提升AI系统透明度和信任提供了量化依据。

系统提示由开发者设定，直接影响模型行为。AISPA框架将提示拆解为八个维度，逐一评估是否保护用户权益，并通过大规模产品审计，量化保护性指令的覆盖面与问题指令的共存比例。

对AI产品开发者而言，此框架可用于自查系统提示质量，识别保护不足或有害指令，优化提示设计以提升用户信任。同时可能增加合规成本，需投入资源进行提示审计与改进。

• 开发一套基于AISPA维度的系统提示自动审计工具，帮助开发者快速检测保护性指令覆盖度和潜在问题。
• 建立行业基准数据库，定期发布AI产品系统提示保护性报告，形成第三方评估服务。
• 在现有AI产品中引入提示审计流程，按八个维度完善用户保护指令，提升产品公信力。

• AISPA框架的八维度划分是否经过行业验证？
• 审计样本覆盖哪些领域和地区？
• 框架是否适用于非英语系统提示？