看到 AI 工具宣稱「表現很好」，你會先問：在哪些任務、用什麼資料、由誰測的？AI 模型卡（model card）正是用來回答這些問題的文件。它不是品質認證，也不是替你做選擇的排行榜；它提供的是可追問的背景資料。學會閱讀模型卡，能把「聽起來很強」變成「是否適合我的工作流程」。 原創概念插圖，非數據：模型卡像使用說明與風險提示，不是通過測驗的獎章。 AI 模型卡怎麼看？先確認版本與日期 模型卡通常隨模型發布，描述模型做什麼、怎麼訓練、在哪些條件下評估，以及已知限制。Hugging Face 的官方文件指出，模型卡可以是模型儲存庫中的 README，並可附帶用途、潛在限制、偏差、訓練資料與評測結果等資訊（Hugging Face Model Cards 文件）。 「有模型卡」不等於「模型可靠」；「沒有寫到某項風險」也不等於「沒有那項風險」。模型卡是發布者整理的資訊，讀者仍要判斷資料是否足夠、測試是否貼近自己的情境。model card、system card 雖常指不同層次的文件，名稱與分法並不是全球統一標準，不能只看標題下結論。 閱讀時先確認版本、日期與你實際使用的對象。找模型名稱、版本或修訂標籤、發布與更新日期、基礎模型，以及是否經過微調、合併或量化。這些資訊決定你讀到的評測，是否真的對應手上的版本。服務商也可能在同一產品背後更新模型或加入路由；網頁上的總稱，不一定等於 API 或應用程式當下使用的單一模型。 可把模型卡網址、版本識別與查閱日期記下來。若只有「最新版本」而沒有變更紀錄，請把可追溯性列為待查，而不是推測它與舊版相同。 第一關：先看用途、限制與資料透明度 找出 intended use（預定用途）以及 out-of-scope、misuse 或 limitations（不適用與限制）。例如，一個模型卡若說明模型適合文字摘要，並不代表它適合醫療判斷、法律結論或自動替你發信。任務名稱相同，風險也可能完全不同：摘要內部會議紀錄，和摘要需要公開發布的政策文件，驗收標準就不同。 Google 的模型卡研究主張，發布文件應交代使用情境、評估程序與不同文化、人口或其他相關子群的表現，目的正是避免模型被放進不適合的場景（Google Research：Model Cards for Model Reporting）。因此閱讀時，不要只找「能做什麼」，也要圈出「不應拿來做什麼」。 資料透明度要看「說了多少、沒說什麼」 模型卡可能交代訓練資料來源類型、語言、篩選或去重方式、授權與個人資料處理，也可能只給概括描述。兩者不是同一程度的透明。不要把「資料很多」直接當成「適合你的語言與領域」；更不要從未列出的資料，推論一定沒有使用。 可問：資料是否包含你的文字類型與語言？是否說明截止時間、版本、缺口與偏差？若答案不完整，就標註「待查」並要求補充，不要自動判定不安全。資訊不足代表不確定性，需要降低承擔或增加測試。 原創概念插圖，非數據：評測結果必須連同資料、條件與任務一起看。 第二關：評測分數要連同資料與條件閱讀 看到一個分數，先找四件事：測了什麼資料、使用什麼提示或設定、用哪個指標、比較的是哪個版本。還要問測試任務是否與你的工作相近。公開基準的分數可以提供線索，但不會自動預測繁體中文、你的文件格式、你的專有名詞或你的容錯標準。 也留意評測是自動指標、人工評分、專家審查，還是紅隊測試；樣本如何挑選、是否可能與訓練資料重疊。Google 研究把「在多種條件與相關子群中呈現基準評估」視為核心精神。 第三關：限制、偏差與安全測試，讀出可操作的風險 限制段落不是免責文字而已。把它改寫成使用規則：會不會編造？遇到少見格式會怎樣？是否可能複製偏見或洩漏敏感資訊？遇到提示注入、惡意內容或高風險要求，測試過哪些情境？風險是模型本身、資料、介面，還是部署方式造成？ OpenAI 的 GPT-4 system card 展示了系統層次的範圍：除了模型能力與限制，也討論監控、政策、存取控制、外部專家與紅隊測試等系統措施，並明確說明緩解方法仍可能脆弱（OpenAI GPT-4 System Card）。這提醒我們，安全不是看一個「通過／不通過」標章，而是看測試範圍、已知失效方式與剩餘風險。 第四關：開放權重模型、封閉服務與工具產品，不能只比模型卡 開放權重模型可讓使用者取得模型權重，但不保證訓練資料或流程完整公開；其他細節的披露程度取決於發布者。封閉服務可能提供 system card 或安全報告，卻不公開權重與完整資料。這不是簡單的誰一定比較安全，而是可核查的面向不同。以 Google 的 Gemma 舊版官方模型卡作為文件範例（該頁已標示為舊版文件），它分列模型資料、實作、評測、倫理與安全、預定用途和限制（Google Gemma Model Card），可作為閱讀欄位的示範，不是對所有模型的統一格式要求。 更重要的是，工具產品的實際表現不只由模型決定。系統提示、檢索內容、上下文組裝、檔案解析、工具權限、人工覆核與日誌監控，都會改變輸出與風險。因此模型分數不等於你的流程表現；選工具時，要把產品文件與權限設定一起查。 第五關：一個可落地的選工具流程 虛構比較示例，非實測：假設你要選一款摘要工具。甲的模型卡公開評測任務，但沒有說明中文長文件；乙說明限制與測試條件，但你的團隊不確定檔案是否會被保存。不要編造「甲準確率較高」這類數字。先用自己的非敏感、已獲授權文件，建立同一批測試案例，固定輸入格式與提示，讓兩工具產出摘要，再由使用者依事先定義的準則檢查：是否漏掉決策、是否捏造、是否保留責任人與日期、是否需要大量修改。 同時記錄版本、設定、檔案權限、輸出日期與失敗案例，分成「可直接用、需人工覆核、不可用」，再對照模型卡限制，並在更新後重驗。 快速掃讀時先問這些問題 版本日期正確嗎？用途包含我的任務嗎？資料、評測條件與限制說清楚了嗎？產品的提示、檢索、權限與覆核如何運作？ 找不到答案就標記「待查」，不要把空白解讀成安全。 常見問題 FAQ 模型卡越長，就代表模型越可靠嗎？不一定。長度只代表提供了較多文字，還要看資訊是否具體、版本是否清楚、測試是否與用途相關，以及限制是否誠實交代。 找不到資料集名稱，是不是代表模型不安全？不是。它代表你少了一項判斷依據，應列為待查，並視任務敏感度要求補充或先做受控測試，不能直接替模型下安全結論。 只看排行榜或 benchmark 可以嗎？不建議。排行榜適合初步篩選；最後仍要用已授權、非敏感的真實任務樣本，在相同條件下驗收整個工具流程。
