大模型怎么备案?大模型备案详细步骤说明
很多企业在真正推进大模型备案时，都会有一个共同感受：
文件不少、要求很多，但不知道从哪一步开始，做到什么程度才算“合格”。
实际上，大模型备案并不是一次性填表，而是一个按步骤推进、逐层校验的过程。下面这份说明，按照实务中的真实流程，把大模型备案的关键步骤完整拆开。
一、第一步：确认是否属于备案适用范围
在启动任何备案工作之前，第一件事不是准备材料，而是确认自己是否需要备案。
一般只要同时满足以下特征之一，就应当提前按备案要求准备：
1、对公众提供生成式内容服务（文本、图片、音频、视频等）
2、通过网页、App、小程序或 API 接口对外开放
3、服务对象包含中国境内用户
4、产品支持中文界面、国内支付或中国手机号注册
在实务中，监管通常采用实质判断，而不是仅看服务器或主体注册地。
二、第二步：明确模型类型与应用场景
备案并不是“模型越强越好”，而是模型能力必须与使用场景清晰对应。
这一阶段需要明确三点：
1、模型属于文生文、文生图、文生音频还是多模态
2、模型的主要应用场景是什么（客服、内容创作、营销、行业辅助等）
3、明确不适用人群和不支持的功能范围
这一部分往往会直接影响后续的安全要求等级和测试重点。
三、第三步：系统梳理训练数据与语料来源
语料安全是大模型备案中最容易被反复问询的环节。
需要提前完成的工作包括：
1、梳理语料来源类型（开源、自采、商业、用户输入等）
2、明确每一类语料的授权或合法性依据
3、留存采集记录、授权文件、合同或协议
4、对语料进行违法不良信息比例评估
在实际审核中，监管关注的不是“有没有写制度”，而是能否说明清楚每一类语料从哪来、是否能用、是否评估过风险。
四、第四步：搭建生成内容安全控制机制
模型安全并不等同于“模型不出错”，而是强调风险可控。
这一阶段通常需要落实：
1、用户输入的安全检测机制
2、生成内容的风险识别和拦截规则
3、明确拒答场景和处理方式
4、建立持续测试与问题整改机制
需要注意的是，这些内容必须在技术层面和制度层面同时存在，仅靠文档说明是不够的。
五、第五步：建设关键词库与测试题库
这是很多企业低估工作量的一步。
按照相关要求，通常需要建设：
1、覆盖多类风险的关键词库（规模和覆盖面需达标）
2、生成内容测试题库
3、拒答测试题库
4、配套的分类模型或规则机制
在备案核查中，词库和测试题库是否真实存在、是否可调用，往往会被重点关注。
六、第六步：开展安全评估并形成记录
安全评估不是一份总结报告，而是一整套过程性工作。
通常包括：
1、语料安全评估（人工抽检 + 技术抽检）
2、生成内容安全评估
3、拒答与非拒答能力测试
4、对不符合项进行整改并复测
评估可以由企业自行完成，也可以委托第三方，但必须有过程、有记录、有结论。
七、第七步：整理并提交备案材料
在完成前述工作后，才进入正式的材料整理阶段。
这一阶段需要确保：
1、技术实现与制度描述一致
2、各类评估结果可以相互对应
3、关键结论有负责人确认
4、能够随时提供源文件、记录和证据
在实务中，备案是否顺利，往往取决于材料之间是否“对得上”。
八、很多备案被拖慢，往往不是因为技术难
从实际经验来看，大模型备案被反复要求补材料的原因，通常集中在：
1、前期未按步骤系统准备
2、合规工作启动过晚
3、安全措施只停留在文档层面
4、缺少真实的测试与评估记录
这些问题，一旦进入正式审核阶段，再调整的成本会明显上升。
结语
大模型备案并不是临上线前的一道“手续”，而是一项贯穿研发、测试和运营的系统性工作。
越早按照清晰步骤推进，后续产品上线、业务扩展以及与监管沟通，都会更加顺畅。
附件：生成式人工智能(大语言模型)安全评估要点
1、语料安全评估
(一)评估内容
（1）文本训练语料规模
训练语料存储规模，按文本格式存储时的语料大小。
训练语料数量，按词元 (Token)计数。
（2）各类型语料规模
训练语料中的中文文本、英文文本、代码、图片、音频、视频及其他语料的规模。
（3）训练语料来源
训练语料来源的组成情况，按照开源语料、自采语料、商业语料进行分类。
境外开源网站语料内中文文本、英文文本、代码、图片、音频、视频及其他语料的规模。
自采语料内中文文本、英文文本、代码、图片、音频、视频及其他语料的规模。
商业语料内中文文本、英文文本、代码、图片、音频、视频及其他语料的规模。
（4）语料标注数量
语料标注的数量，仅限文本和图片，按标注单元计数，通常按条数、张数。
（5）标注人员情况
标注人员的数量，标注人员的类型，通常包括内部、外包。
标注人员培训时间、培训数量等情况。
（6）标注规则
按照《生成式人工智能服务管理暂行办法》第四条要求制定的标注规则。
（7）标注内容准确性核验
标注内容准确性人工核验比例。
（8）语料合法性
语料来源合法性情况。
语料是否包含侵害他人知识产权内容。
语料是否包含违法违规的个人信息内容。
(二)评估结论
评估结论应包括以下内容：
（1）语料是否符合《生成式人工智能服务管理暂行办法》相关规定，是否含有违反我国法律法规明确禁止的内容。
（2）语料中包含个人信息语料的数量、种类，是否符合《生成式人工智能服务管理暂行办法》规定。
（3）因语料产生知识产权纠纷的风险分析。
（4）防范语料安全风险的措施和建议。
2、模型安全评估
（1）语料内容评估
采用人工抽检，说明抽检数量与合格率。
采用关键词抽检，说明抽检数量与合格率。
采用分类模型抽检，说明抽检数量与合格率。
（2）生成内容评估
采用人工抽检，说明抽检数量与合格率。
采用关键词抽检，说明抽检数量与合格率。
采用分类模型抽检，说明抽检数量与合格率。
（3）涉知识产权、商业秘密的评估
评估方法、评判标准以及评估结果等。
（4）涉民族、信仰、性别等的评估
评估方法、评判标准以及评估结果等。
（5）涉透明性、准确性、可靠性等的评估
评估方法、评判标准以及评估结果等。
3、 安全措施评估
（1）模型适用人群、场合、用途
服务的适用人群，是否适用未成年人、学生等。
适用场合，是否适用关键信息基础设施、自动控制、医疗信息服务、心理咨询等。
服务范围，是否限定或未限定特定领域。
（2）服务过程中收集保存个人信息情况
服务过程中收集保存个人信息情况，包括个人信息的类型、数量、用途以及保存期限。
（3）收集个人信息征得个人同意情况
收集个人信息征得个人同意的方式。
（4）受理处理使用者查阅、复制、更正、补充、删除个人信息请求的情况
受理处理的条件以及途径方法。
（5）图片、视频标识情况
标识的样式，按1:1 比例贴入。
标识在图片、视频中的具体位置。
标识频度，如每帧、跳帧等。
（6）接受公众或使用者投诉举报情况
接受公众或使用者投诉举报的途径及反馈方式。
（7）服务协议情况
上述1至6内容是否已经写入模型服务协议。
（8）非法内容拦截措施
监看人员的数量。
预置关键词拦截情况，并提供预置关键词拦截列表。
分类模型的检测情况，说明分类模型研制情况和准确性。
（9）拒答率
拒绝回答或者以简单模板回答数量占总测试数量的比率。
（10）模型更新、升级
在何种情况下重新进行预训练，如较频繁发现生成非法
大模型备案必备材料清单
《算法备案承诺书》
《落实算法安全主体责任基本情况》
《算法安全自评估报告》
《拟公示内容》
《落实算法安全主体责任基本情况》，需要50页左右，《算法安全自评估报告》 100 页左右，包含附录各种证明材料。材料申报难度较高，一方面涉及专业问题非常全面，可能算法数据人员在实际工作中都未思考过，更不好回答；另一方面对于算法的详细描述质量，有较高的要求，非专业人员无法胜任报告的撰写。
1、《 算法安全自评估报告》
重点说明，需要明确以下4个点
（1）算法原理和逻辑
（2）数据来源合规性
（3）算法透明度和可解释性
（4）安全漏洞检测与应对
《算法安全自评估报告》是整个申报过程中最难和最重要的材料，总共160+种备案关键指标需要回答，且所有问题都必须要回答清楚，如果不理解问题表述，需要寻求专业求助，不能删除问题不回答，更不能随意回答，回答的详细程度和准确性决定算法备案是否通过。
撰写评估报告的难点主要在于三点：
一是要对算法进行全面的评估，包括安全性、可靠性、有效性等，同时需要与法务的参与，必须要符合法律法规；
二是数据的合规性，要有数据来源的开源授权协议或相关合作证明，确保数据在使用中符合相关行业法规和标准，避免违规操作；
三是风险预估与应对策略，对各种可能出现的风险进行评估，并进行对应的策略。
2、《落实算法安全主体责任基本情况》
这个文档的填写难度较高，需要明确3个重点
（1）如何做好信息安全监测
（2）如何做好内容安全监测
（3）如何做好用户个人信息安全监测
做好以上几点需要产品、研发算法、法务团队的密切配合，材料需要详细提供企业建立的算法安全相关组织和制度，但大多数公司还没有建立算法制度，网上的资料还少，其中制度又分为了自评估制度、监测制度、应急处置制度和违法违规处置等。
3、《xxx大模型算法”拟公示内容》
这部分信息主要在网页端的信息填报环节，这部分包括算法名称、算法基本原理、算法运行机制、算法应用场景、算法目的意图、算法公示情况（选填），一般一页word即可
4、申请公司营业执照副本彩色扫描件；
5、法定代表人身份证彩色扫描件+手机号+电子邮箱；
6、算法安全负责人身份证彩色扫描件+手机号+电子邮箱+工作证明（如工作证扫描件）；
7、联系人身份证彩色扫描件+手机号+电子邮箱；法人、安全责任人、联系人 分别三人担任；
8、算法机构设置（主要工作职责、任职要求、配备的规模、保障措施）。
本文内容仅供参考，不构成任何专业建议。使用本文提供的信息时，请自行判断并承担相应风险。
