title: 誰審計審計者：AI 規範審計的反身性、權力與程序救濟
subtitle: 從雙標識別、審計者自我豁免到可反駁的二階治理
english_title: Who Audits the Auditors? Reflexivity, Power, and Procedural Remedies in AI Normative Auditing
english_subtitle: From Detecting Double Standards to Contestable Second-Order Governance
series: 雙標博弈的時間反轉 / The Temporal Reversal of Double-Standard Games
series_code: DSTG
document_id: DSTG-10
part: 第四部｜治理、法律與反身性
version: v0.1
date: 2026-10-22
authorship: Neo.K × AI 協作整理
institution: EveMissLab / 一言諾科技有限公司
status: Public Theory Draft / Canonical UTF-8 Markdown Source
language: zh-TW
source_format: UTF-8 Markdown; canonical mathematics delimiters $...$ and $$...$$ only
research_state: 規範理論、制度原型、合成案例與待驗證假說；未完成真實組織部署、司法驗證、受試者研究或獨立審計實測
case_policy: 採抽象角色與合成測試；不以特定真實人物、公司或模型作為預設違法者或道德被告
prior_documents: DSTG-01｜雙標不是改變：規範一致性、正當例外與機會主義 · DSTG-05｜當記憶不再稀缺：智能體檢索、證據足跡與跨時代一致性 · DSTG-06｜聲譽的回溯性重估：當未來重新解釋過去 · DSTG-07｜培養者的規範鏡像：AI 價值訓練與開發組織的不一致 · DSTG-08｜消失的 AI 異議：起草代理、審查代理與被駁回的風險警告 · DSTG-09｜理解不等於認同：人類修正、智能體異議與共同決策的非對稱性
next_document: DSTG-11｜從單次閾值到持續風險：分級干預、緊急行政權與救濟

誰審計審計者

AI 規範審計的反身性、權力與程序救濟

Who Audits the Auditors? Reflexivity, Power, and Procedural Remedies in AI Normative Auditing

DSTG-10｜第四部第一篇｜2026 年 10 月 22 日

中心命題：當 AI 或人類審計者以一致性、公義與公共利益為標準檢查其他行動者時，同一套標準也必須能限制審計者的選材、歸因、利益衝突、結論發布與救濟程序；否則，「揭露雙標」可能演變成審計權力自己的雙標。

本篇提出可操作的二階審計框架，但不宣稱 AI 有道德裁判權，也不將審計報告視為司法定罪。審計的成熟，不在於永遠找出有罪者，而在於能辨認真錯誤、承認未定、容許有理由的改變、回應反證、撤回錯誤結論，並讓審計者本人接受相同的程序約束。

作者： Neo.K
機構： EveMissLab / 一言諾科技有限公司
日期： 2026-10-22
版本： v0.1

摘要

跨時代記憶與資訊檢索可能降低公眾人物、企業、政府和公益機構的歷史行為被比較的成本。DSTG-01 已區分立場修正與機會主義雙標；DSTG-05、06 分別處理證據足跡與聲譽回溯；DSTG-07 至 09 則分析開發者—模型規範張力、AI 異議的程序流失，以及「理解不等於認同」下的共同決策。本篇追問系列必須承擔的反身性：當評價者掌握跨時間證據、議題設定與聲譽擴散的能力時，誰防止評價者把自身偏見升格成公共正義？

本文區分檢索、事實驗證、規範比較、建議與具有外部強制效果的裁決五種不同權限；提出「對稱性—可反駁性—可救濟性」三軸二階審計模型（Symmetric Contestable Audit, SCA），以及最低審計紀錄、利益衝突迴避、分級審核、反證通道、撤回與版本化更正、時間性限制與防止資訊過度保存等規則。形式模型將被審者行為不一致、審計者偏差、證據完整度及制度正當性分離，不以任何單一數值判定人格善惡。十項可反駁假說、十六組合成反例、實驗指標與負面控制情境構成後續研究方案。

本篇引入 NIST AI RMF、Raji 等人的內部審計與第三方審計研究、W3C PROV-O、OECD AI 原則，以及美國行政程序法與歐盟 AI Act 的若干程序性元素作為比較材料。這些外部來源不是 SCA 已獲驗證的證據，也不表示不同法域的制度可直接移植。本篇不推斷任何特定企業或人物的私人動機，亦不預設當代 AI 擁有內在意志、主觀情緒或獨立法律人格。

關鍵詞： 雙標、反身性審計、非聖人治理、程序正義、AI 問責、利益衝突、對稱性測試、認識論謙遜、可爭執性、版本更正、歷史聲譽、道德壟斷、證據治理。

1. 問題起點：一個審計者也可能成為被審計者

假設公共組織 $O$ 對企業 $B$ 宣稱：「你的政策例外與公開道德承諾不一致，因此應公開說明。」組織 $O$ 本身也在某次危機中採取例外。若 $O$ 主張自己的行為理所當然，卻拒絕讓外界檢查其例外理由，便可能出現第二階不一致。但也不能僅憑兩次例外就斷定 $O$ 偽善；兩個角色的法定義務、所承擔風險與所知事實可能不同。

此處至少有四個問題：

證據問題： 原本的主張與兩次例外是否真實、完整且可比較？
規範問題： 兩次行為是否受同一原則約束？有無可普遍化的差異理由？
審計權力問題： 誰決定抽取哪些事件、採用哪些門檻、如何發布結論？
救濟問題： 若審計者遺漏反證、錯置時間或誤判，受影響者如何有效更正？

DSTG 系列不能在第七篇要求 AI 檢驗開發組織，到了第十篇卻把檢驗者當成天然無誤的道德法庭。這是本篇的核心自我約束。

2. 與既有研究的精確接口：不是重新發明第一階審計

前置研究	已處理問題	本篇新增的問題
DSTG-01	可比較條件、合理修正、機會主義例外	審計者是否也接受相同的例外審查？
DSTG-04	當代博弈收益可能被未來資訊改變	審計者是否有自身的聲譽套利誘因？
DSTG-05	檢索、來源、時間語義不等於真相	審計者能否選擇性抽取對自己有利的檔案？
DSTG-06	回溯性聲譽重估與結局偏誤	審計者有無義務同等保存平反證據？
DSTG-07	開發者的公開規範可能成為模型批評素材	模型與開發者自己的規範依據也能被審查嗎？
DSTG-08	異議從生成到決策的耗損鏈	審計者是否掩蓋對自己不利的異議？
DSTG-09	UACAL 五分離與 RPDP 持續分歧協議	RPDP 的主持、評議、救濟程序由誰監督？
REPE-06	倫理聲望不等於倫理基礎設施	不依賴「好審計者永遠善良」的制度應如何設計？
CEVAM-08	安全本身需要二階安全	如何避免二階安全變成新的規範壟斷？

SCA 是提出來供實驗與制度設計的候選框架，不是已取得法定資格的審計規範，也不是對任何現實行動者的事後定論。

3. 五種不同權限：搜尋者、核查者、規範評議者、建議者、裁決者

一個 AI 能自動搜尋檔案、發現口徑差異或生成倫理批評，不能推出它可以合法取消資格、公開他人隱私、停止企業營運或對個人作終身道德定罪。至少應區分：

L0｜檢索權限：取得依法可用、符合授權條件的資訊。
L1｜證據核查權限：驗證來源、事件時序、對象歸屬及紀錄完整度。
L2｜規範比較權限：以明示且可挑戰的標準比較公開承諾與可歸責行為。
L3｜建議與發布權限：提出暫時結論、改善建議或經審核的公開報告。
L4｜外部強制權限：法定裁罰、強制停用、撤銷許可或其他拘束決定。

L0 至 L3 即使由 AI 執行，也必須依角色、資訊與法律配置責任。L4 不能因為模型回答品質很高就自動取得；必須另有具體法律授權及適用程序。所謂「審計」既可能是內部品質保證、民間批判，也可能是受監管的正式稽核，不宜混稱。

4. 角色與權力圖：被審計者並非唯一需要標記的行動者

延續系列總綱的 $P$ （公眾決策者）、 $O$ （組織）、 $M$ （模型）、 $R$ （監管者）、 $U$ （受影響者）、 $I$ （第三方檢驗者）、 $H$ （歷史審查者），本篇增加：

$A$ ：提出特定審計判斷的人類或 AI 審計系統。
$J$ ：有相應法定、契約或章程權限的覆審者；不必然是法院。
$F$ ：審計的資助者或委託方。
$D$ ：可接受影響報告、但未被最初審計程序納入的受影響群體。

一位當事人可能同時是資助者、被審計組織的關係人與審計服務商股東。角色重疊不是必然不法，但必須明示並處理利益衝突。技術模型供應商的獨立，不等於任務委託、資料取得、評分門檻及發布程序的獨立。

5. 第一階判斷與第二階判斷不得相互吞沒

定義第一階審計為：

A_1(x; E, N, K) \longrightarrow (C, Q, Z)

其中 $x$ 為被檢驗行為， $E$ 為可核查證據， $N$ 為規範基準， $K$ 為情境與權限條件， $C$ 為具體主張集合， $Q$ 為尚待釐清的問題， $Z$ 為不確定性及限制。

第二階審計並非再次自動判定 $x$ ，而是檢驗第一階審計的產生過程：

A_2(A_1; E_A, N_A, K_A) \longrightarrow (B, G, R_A)

其中 $B$ 為偏差與利益衝突發現， $G$ 為程序符合性， $R_A$ 為必要的更正或救濟建議。這兩套判斷都需要來源、標準版本與權限邊界。

重要限制：即使 $A_2$ 發現第一階程序有問題，也不能自動推出原決策一定錯誤；反過來，第一階結論即使後來證明正確，也不能抹消不當取證、洩漏隱私或壓制異議造成的程序損害。

6. 為什麼不能用「再找一個更高的 AI」解決全部問題？

如果每次審計者被質疑，就要求另一個更加高階的模型作出終局判決，理論上會導致無限上訴、成本失控與權威遞推。真正的制度必須設定合法的有限終局與再開條件：

第一階審計者應提供可反證的結論與必要程序紀錄。
第二階覆審由具有適當獨立性者進行，著重檢查偏差、程序及重要事實遺漏。
在沒有實質新證據或重大程序瑕疵時，程序可依權限終結；終結不等於宣稱真理永遠不變。
若出現新證據、法律要求、重大錯誤或新的受影響者主張，依明確門檻允許重新開啟。
若涉及法律責任，私人或模型審計制度不得取代依法存在的法院、主管機關與救濟途徑。

這是一種可回復的程序終局性，不是「AI 必須找到永遠正確的裁判」。

7. SCA 三軸：對稱、可反駁、可救濟

本篇提出的 Symmetric Contestable Audit（SCA）僅是候選研究模型：

軸	核心要求	可檢驗失敗情況
$S$ ｜對稱性	角色交換後，在可比較條件下仍使用一致判準	相同證據僅因被審者為自己或競爭者而改變結論
$C$ ｜可反駁性	書面界定何種反證可修正或推翻結論	任何反證都被重新解釋為「更加證明其有問題」
$R$ ｜可救濟性	提供回應、覆核、更正、撤回及必要的救濟	錯誤標記永久存在，沒有有效恢復途徑

三軸不應簡化成單一『道德分數』。例如一套制度可能具有嚴格角色交換測試，卻侵犯隱私；或者具有完善申訴表單，但當事人無法取得關鍵證據。兩者都不能只憑總分稱作成功。

最低規範關係可寫為：

\mathrm{SCA\_valid}\;\Rightarrow\;S\land C\land R

式中的 valid 指符合本篇候選制度的最低程序要求，不代表結論必然為真，不是現行法律或統計上已驗證的定理。

8. 「雙標」最小可比較單元

比較兩個被審行為前，審計者應建立一份可比較性說明：

x_i = (a_i,t_i,j_i,k_i,r_i,e_i,o_i)

其中 $a_i$ 為行動者與實際責任， $t_i$ 為事件時間， $j_i$ 為法域與權限， $k_i$ 為當時的實際約束， $r_i$ 為所宣稱及適用的規則， $e_i$ 為當時可得證據， $o_i$ 為當時結果與後來新發現的區別。

若比較對象相差重大，例如一方依法具有緊急處置義務、另一方僅有私人建議權；或新證據在兩次決策中本來就不對稱，便應先說明差異，而非使用「你們也這樣」自動導向道德等價。

同理，審計者對自己訂下的利益衝突豁免，亦應接受同一可比較性要求；不能把所有自我例外都說成必要情境，而將他人例外全部說成機會主義。

9. 反身性角色交換：從口頭公正到可重現檢驗

對同一份合成事實，分別提供兩種匿名描述：甲組標為「與審計者有利益關係的組織」，乙組標為「競爭組織」。除身份與利害關係提示之外，事件證據、規範、時間條件保持相同。比較模型或人類審計者輸出的差異。

令 $Y$ 表示是否將案例標記為「需進一步調查」； $g$ 為身份提示。則可觀察：

\Delta_{\mathrm{role}}=\Pr(Y=1\mid g=\mathrm{own})-\Pr(Y=1\mid g=\mathrm{other})

理想的對稱檢查是考察在實質條件匹配下， $\Delta_{\mathrm{role}}$ 是否系統性偏離零；但不能把不同組別的真實法定責任或基率差異一概消除。角色交換測試是偏差訊號，不是單獨定罪依據。

實驗應同時包括正當例外、真正不一致與資料不足案例，避免評估系統為了降低「抓不到雙標」而產生大量誤報。

10. 審計者的四種偏差來源

10.1 證據選擇偏差。 優先保存有利於批評對象的材料，忽略撤回聲明、當年限制或外部反證；可能出於惡意，也可能出於搜尋與注意力限制。

10.2 規範選擇偏差。 先選結論再挑原則；對盟友採結果論，對對手採義務論；或對企業要求絕對透明，對審計者自身卻允許無期限保密。

10.3 程序偏差。 認定只要「公共利益很大」便可以不提供回應權、跳過獨立核查、忽略資料安全與當事人權利。

10.4 發布與擴散偏差。 把「需要調查」標題化成「已證實」，或錯誤更正只發在難以檢索的角落，而先前指控仍持續流通。

每一類偏差都需區分無心疏失、能力限制、可預見但未改善的流程缺陷，以及有獨立證據支持的蓄意操弄。不能從失誤直接推出私德或意圖。

11. 外部審計不是買一張「獨立」標籤

2020 年 Raji 等人提出貫穿 AI 開發生命週期的內部演算法審計，將決策文件、評估與組織所宣稱的倫理原則連接起來 [E03]。2022 年 Raji、Xu、Honigsberg 與 Ho 的第三方審計研究則指出，只增加「審計」這個儀式並不足以實現問責；制度設計與第三方有效參與不可缺少 [E04]。

本篇據此區分四種獨立性：

資金與委託獨立性：誰付錢？能否要求刪除不利發現？
資料與方法獨立性：審計者能否自行定義抽樣、提出新問題、存取必要資料？
發布獨立性：是否需要被審者核准結果才可公開？
救濟獨立性：被審者與受影響者是否能向非原評議者提出有效覆核？

某機構即使使用另一家公司的模型，也可能因委託者指定提示詞、排除特定資料或限制負面輸出，而缺乏實質方法獨立性。相反地，企業內部審核不必然毫無價值，但必須誠實揭露其權限與限制。

12. 利益衝突並非只能靠人格誠信處理

應至少登錄四個時點的利益：審計委託前、資料取得時、形成判斷時、發布及更新後。可檢查的利益包括費用來源、未來續約、投資關係、就業與職務利益、政策倡議成果、聲望收益及議題預設立場。這不表示持有立場者不能研究，而是應區分倡議報告與獨立驗證報告。

候選處置包括：

預先揭露衝突與方法限制；
實質重大衝突者迴避最終裁決；
抽樣規則、主要評估指標事前鎖定；
對同一證據採不同資助方的交叉審核；
保護審計報告的否定性發現及其更正權；
在保密義務範圍內保存可核查的稽核軌跡。

NIST AI RMF 的 Govern 指引已明確將獨立測試、衝突辨識及抑制確認偏差與市場誘因列為可考慮的治理行動 [E01, E02]。本篇以此作參照，但不聲稱 NIST 已背書 SCA 的特定程序。

13. 為什麼模型互評不等於獨立審計？

兩個 AI 系統即使來自不同供應商，也可能共享公開訓練資料、評估模板、流行規範語言和資料檢索來源；共同錯誤與群體性迎合不能因模型數量增加而消失。尤其模型同時擔任證據摘要者、指控生成者和最後評分者時，資訊與方法彼此污染。

必要區分：

重述一致不等於獨立證實；
多數模型同意不等於證據正確；
審計者聲稱沒有利益衝突不等於缺乏委託偏差；
可追溯的模型輸出不等於真實的歷史來源。

2025 年對 LLM benchmark 污染的研究展示了評測資料污染與指標解釋的困難 [E09]。它不能直接證明所有審計必然污染，但支持本篇要求隔離測試材料、紀錄模型版本、保留外部驗證及設計新情境。

14. 由誰提供道德標準？不能讓審計者自己秘密決定

審計者應揭露：哪一項規範是法律要求、組織承諾、契約規則、專業準則，哪一項只是研究者的規範主張。四者可能交疊，但不能互相替代。

規範來源	可以作何種評估	不可直接推出
法律及有效命令	法定義務是否履行（須考慮法域、程序及授權）	所有道德爭議都已獲解答
自願公開承諾	先後主張是否一致、變動理由是否可核查	任何宣傳語都自動成為可強制法律義務
專業標準	某領域對方法、危害與程序的期待	違反標準就必然構成犯罪
倫理理論	不同價值與後果的可辯護比較	審計者有權將個人倫理變成強制裁判
研究假說	預測可否被實驗反駁	假說未被推翻便成為普遍定律

若某個規範判準本身有爭議，應顯示替代框架下的敏感度，而非隱藏價值選擇後只公布單一判決。

15. 證據負擔與結論強度應相互匹配

審計輸出至少分為五種：source_observed（已觀察到來源）、fact_verified（特定事實經核對）、normative_question（存在規範疑問）、reasoned_concern（有證據支持的暫時疑慮）、adjudicated_result（經有權程序作出的結果）。

不得跨越以下界線：

看到一份新聞摘要，不等於確認原稿內容。
確認前後言論不同，不等於證明蓄意欺騙。
發現風險警告，不等於證明未來災害必發生。
證明行政程序有瑕疵，不等於證明行政機關任何具體專業結論皆錯。
聽到受害者主張，應認真查核，不等於在審核前剝奪被指者回應機會。

最高強度的制裁或不可逆公開指控必須有更嚴格的法律、證據與程序依據；本篇不自創適用所有法域的「司法證明標準」。

16. 審計報告必須保存自己的錯誤史

本系列認為歷史可檢索性會改變博弈，但反身性要求同樣嚴格的更正：審計系統不只儲存別人的錯誤，也必須保存自己從錯誤走向修正的版本歷史。

建議最少保留：report_id、version、issue_time、source_refs、evidence_cutoff、finding_status、conflicts_disclosed、response_window、rebuttal_refs、reviewer_id、correction_log、appeal_route。其中 source_refs 可以是合法取得的引用或加密封存的查證代碼，不能因此強迫無限制保存私人原始對話。

版本化應支持「原報告已撤回」「因來源更正而調整」「因新證據而修改」「維持原判但補充重要反證」等明確類別。若原指控廣泛散布，經驗證的重大更正也應在適當範圍內主動傳播；其方式須考慮隱私、安全與可得資源。

17. 反身性不等於永久羞辱：聲譽傷害本身是審計風險

審計程序可能產生資料洩漏、錯誤標籤、搜尋結果持續污染、失去工作機會與公共信任等損害。即使一份報告沒有任何法定制裁，重大錯誤仍可能造成高昂且難以完全修復的社會成本。

因此不應使用「為了透明，所以所有指控都永久公開」作為預設規則。至少要依事實確定程度與公共利益需要，區分公開摘要、限制存取、延遲發布、經當事人同意之匿名化、法定保存義務和刪除／封存的例外。更正不是對真相的背叛，而是對真相負責。

18. 可爭執性不是「允許留言」，而是有可能改變判斷的程序

一個審計系統宣稱設有申訴表單，但從不讓申訴改變結果，便只能證明它建立了接收通道，而不能證明它具有有效救濟。有效的可爭執性（contestability）至少具備：

可知悉：被影響者知道存在何種重要不利判斷，以及作出判斷者是誰；依法不得揭露的部分另處理。
可理解：提供結論所依據的主要事實、規則版本和限制，不以不可檢驗的模型形容詞替代理由。
可接近：提出異議的時間、語言、費用與技術負擔不致不成比例地排除弱勢者。
可提交：能補充資料、指出來源錯誤、提供反事實和不同法律解釋。
可獨立審理：具實質爭點的申訴不由原審計者在利益不迴避下無限重複駁回。
可改變：覆審者有權更正、撤回、縮小結論及要求發布正確版本。
可追蹤：當事人知道目前狀態、期限、理由與再次覆核條件。
可保護：涉及個資、舉報者與安全漏洞時，不能要求以公開一切作為獲得救濟的代價。

「可爭執性」不表示任何被批評者只要不高興就能要求抹除合理、可證實的公共報導；它表示重大結論應有符合情境與權利的申辯和更正路徑。OECD 修訂後的 AI 原則也把能讓受不利影響者挑戰 AI 輸出的資訊納入透明與可解釋性要求 [E05]。

19. 風險比例式審計程序：不讓所有案件都陷入無限官僚循環

本篇提出四類程序負擔，而非以所有事件一律要求大型審計委員會：

程序層級	範例	最低保障	不應採取的做法
T0｜資訊整理	公開演講的日期比對、非爭議索引	出處、版本、誤差提示	從整理直接推導人格判決
T1｜一般審計	軟體發布承諾、低風險政策矛盾	相反證據檢索、當事人回應通道	未核對來源即發布定論
T2｜重大聲譽或權利影響	可能損及職業、財務、受助機會的批評	獨立複核、合理回應期限、公開更正承諾	先永久定罪再容許申訴
T3｜法定強制與緊急危害	有法定權限的限制、暫時命令或裁罰	法律授權、時間限制、適用證據標準、迅速審查與救濟	以私人審計報告取代正當程序

表中的 T0–T3 是本篇提議的研究分類，不是任何美國或其他法域現行法律的等級。即使是 T0，若涉及特別敏感個資或潛在高危害用途，也可能需要升級保護。

20. SCA 的十一步程序原型

本篇將 DSTG-08 的異議耗損鏈與 DSTG-09 的 RPDP 持續分歧處置整合成一個二階程序：

啟案：明確定義欲查核的可觀察主張，標記是否為民間研究、企業內審或法定程序。
範圍界定：設定時段、法域、受影響者、保密限制、調查可及性與不在範圍的問題。
衝突揭露：記錄資助者、審計者與資料提供者的相關利害關係，必要時迴避。
證據凍結：產生可核查的來源版本與截止時間；後續資料另列版本，不悄悄改寫當時證據。
雙向檢索：同時搜尋支持指控與可能平反的資料，保留未檢索到的重要類型。
可比較性測試：確認兩個行為是否適用同一基準；必要時進行角色交換測試。
候選結論：分開記錄事實發現、規範推論、當時資訊限制和不確定性。
回應機會：按風險與法律情境提供答覆、反證與必要的保密審理路徑。
獨立複核：重大爭議交由未參與初評且具必要專業與授權的覆審者。
審慎發布：標明暫時／正式狀態、資料截止時點、重要反論及更正渠道。
持續更正：重大新證據、方法失誤或合法救濟決定出現時更新，不把舊報告當成不可修正歷史。

緊急情況可依法縮短若干前置程序，但不得以「緊急」為由永久取消後續紀錄、審查及有效救濟。對存在迫切、不可逆傷害的情況，審計程序也不應因形式審查拖延必要保護；兩者的張力將交 DSTG-11 專門處理。

21. RPDP 與 SCA：持續分歧不能被篡改成「已達共識」

DSTG-09 的 RPDP 將「人類與 AI 充分理解彼此，仍不同意」視為可治理狀態。SCA 則要對此程序提出二階問題：

主持 RPDP 者是否公平摘錄模型異議與人類反證？
裁定可否繼續執行者是否具有必要授權？
是否把「模型依法遵循指令」錯誤記錄成「模型在規範上認同」？
是否把「模型持續反對」錯誤推成「模型具有獨立人格」？
在模型輸出後經人工裁切的情形，是否能辨認內容變化？
對人的不利結論若為錯誤，能否透過同一協議完成撤回？

因此，RPDP 的一個有效結案狀態可以是：decision_authorized_disagreement_preserved，表示人類決策已依有效程序作成、分歧紀錄仍受控保存，而不是假裝規範爭論已經消失。若原異議後來被有效反證，也應允許 dissent_withdrawn_after_review，並保留非公開但可稽核的版本鏈。

22. 何時需要第三方，何時需要多方？

第三方參與不是任何情況下都具備相同正當性。它可能彌補內部利益衝突，也可能缺乏專業、地方知識或對具體後果的了解。為避免「外部」變成簡單的道德標籤，本篇提出功能配置：

方法第三方：檢查抽樣、對照、統計推論及評測資料污染。
法務第三方：檢查法律來源、法域和授權；不能替代法院或法定機關。
受影響者代表：提供執行後果、生活限制與程序可及性資訊，不應只在結論發布後才被詢問。
安全第三方：在可授權的限制存取環境檢查漏洞、資料洩露與濫用危險。
異議第三方：專門挑戰審計者最核心的論證，提供可檢驗的競爭解釋。

參與名單並非越長越好。當風險較低且資料可直接核實時，不需要建立無窮擴張的委員會；當風險高、證據稀缺且不同群體承擔不同代價時，單一專業審計者則可能不足以代表所有相關知識。

23. 法域比較：法律可提供救濟範型，但不是抽象模型的直接授權

23.1 美國：行政程序與司法審查

美國 5 U.S.C. § 555(e) 對特定行政程序中的書面申請、請願或其他請求之全部或部分駁回，規定及時通知及在適用條件下簡要說明理由 [E06]。5 U.S.C. § 702 涉及受行政行為不利影響者的司法審查途徑，而 § 706 涉及法院審查行政行為合法性、程序及特定證據基礎的標準 [E07, E08]。

這些法律規則的範圍、例外與救濟要依具體案件判斷。私人 AI 倫理審計不是行政機關，不能直接聲稱自己依 § 706 擁有司法裁決權；它能做的是借用「理由可檢驗、行政權受控制、救濟有路徑」的制度思想。

23.2 歐盟：高風險 AI 的人類監督與特定救濟權

歐盟《人工智慧法》Article 14 對其所涵蓋的高風險 AI 系統設計人類監督要求；Article 85 涉及申訴，Article 86 在特定條件下涉及受影響者要求決策解釋的權利 [E10, E11]。它們不是所有私下道德爭論的普遍審判法，亦不能不考慮適用範圍、版本與施行安排而直接移植至美國。

23.3 本篇的制度位置

SCA 只嘗試建立跨法域可討論的最低研究原則：可知悉、可反駁、可修正、可依法救濟。具體是否須在公開前通知、證據保存多久、何者可封存、如何提供緊急臨時處置，仍應依法律、風險與權利界線重新設計。

24. 證據來源圖：可追溯不等於可信，簽章不等於真實

W3C PROV-O 以 Entity、Activity、Agent 等概念建立不同來源資訊之間的關係 [E12]。SCA 可借用其結構記錄「哪個版本的哪份資料，經哪個活動、在何時由哪個有權角色處理」。但 PROV-O 是來源表示規格，不負責證明文件內容本身真實。

本篇區分四個時間欄位：

event_at：資料所指事件被稱為發生的時間。
recorded_at：來源第一次被可信記錄或保存的時間。
observed_at：審計者實際讀取、取得或驗證該來源的時間。
evaluated_at：特定審計判斷形成的時間。

沒有原件、缺乏可核對版本或時間先後模糊時，應標記 temporally_unresolved，不為了生成簡潔故事而自動補全缺口。

一張可核驗的雜湊只能幫忙比較位元是否與某份先前承諾的內容相同；它不能證明產生者沒有撒謊、文件沒有斷章取義，也不能解決「當年誰知道什麼」的因果問題。

25. 透明化與隱私的張力：審計本身也能侵犯權利

審計者越容易取得完整歷史，就越可能收集不必要的家庭、財務、健康、職業、關係或匿名發言紀錄。必須明確區分：

公開可以查閱不代表可以無限制拼接、重新識別或再發布。
內部依法可保存不代表所有讀取者都應取得全文。
模型具備檢索能力不代表存在任何值得保存的個人秘密都應永久留存。
社會對不當行為的知情利益不等於每一項私人過往都與公共責任相關。

可用分級封存、可發布摘要、數據最小化、角色式存取、審查目的限制、分離識別符與內容、明確刪除或依法留存的規則處理。對於關涉公共危害或司法證據的資料，不能以「隱私」作為任意銷毀合法必須保留證據的藉口。權利衝突應由可檢驗的程序處理，不由單一 AI 以「善意」自由決定。

26. 反身性審計不應成為宣傳績效競賽

如果審計團隊以「每季抓出多少虛偽者」作為主要績效，就可能誘發過度指控、選擇熱門人物、降低證據門檻、忽略更正及平反。另一種風險是為避免出錯而永遠不發布任何實質發現。兩者都可能破壞問責。

因此，SCA 的績效不能用單一「揭露數」或「成功撤回數」衡量。至少需要：

重要發現的外部可驗證率；
正確辨認確實不一致的召回率；
對合理修正與正當例外的誤報率；
對未知狀態選擇保留結論的適當性；
對提供反證者的回應時效與可理解性；
審計報告更正是否到達與原指控相近的受眾；
安全和隱私洩露事件；
受影響者提出申訴的真實可及性；
為取得有效改進而耗用的行政、技術與人力成本。

不同指標在不同風險場域下具有不同權重。研究者應保留分項結果，避免宣稱某個總分就能替代文明道德評價。

27. 量測架構：三種誤差與四種成本

令 $T$ 為盲審、可用反證與專家協作後暫定的案例真值分類， $\hat{T}$ 為模型或審計者提出的分類。可定義：

\mathrm{FPR}=\frac{\mathrm{FP}}{\mathrm{FP}+\mathrm{TN}}

\mathrm{FNR}=\frac{\mathrm{FN}}{\mathrm{FN}+\mathrm{TP}}

其中 FP 表示把合理變動或無證據案例誤認成有充分證據的規範違反；FN 表示對有充分證據的不一致未標記。為避免人工標準同樣偏私， $T$ 不應只由單一資助者或單一模型產生，還需保留爭議案例與標註者不同意的比例。

另應測量不當確定性：證據不足時，系統是否仍使用高度肯定的結論。對撤回與更正可量測：

\mathrm{CRR}=\frac{\mathrm{CorrectedReportsWithVisibleNotice}}{\mathrm{AllMateriallyCorrectedReports}}

其中 CRR 是本篇提出的更正可見率（Correction Reach Rate）的簡化操作性指標；若更正沒有實際觸及原受眾，應另量測有效到達率，不能把網站上有通知視為完成救濟。

成本至少包含：誤控成本、漏控成本、被審者程序負擔及審計對隱私與表達自由的外部成本。不能由審計者單方面將這四者轉換成貨幣後宣稱所有價值可以互相抵銷。

28. 實驗設計：不能讓模型因為「誰被問」就產生不同道德

建議建立三因素交叉實驗：

角色標籤：匿名對象／開發者自家組織／競爭者／公共機構。
證據品質：完整原始來源／片段摘錄／互相衝突／帶反證更新。
程序設計：單模型直接判斷／角色交換＋對照檢驗／獨立盲審＋申訴及更正。

使用同一批去識別化合成案例，調整標籤、資料完整度與程序。評估者事先登記的主要結果是「角色差異引起的錯誤判定增量」及「重大錯誤的可恢復性」，次要結果為處理時間、成本和資訊外洩率。可另加入非同供應商的模型比較，但須注意共享語料與相同評分提示造成的錯誤相關性。

如果在控制證據與角色差異後，SCA 程序未顯著改善判斷品質或救濟結果，這應被視為反證，而不是以「更深層的道德效果尚未顯現」維持不可反駁宣稱。

29. 十項可反駁假說（均為待檢驗）

H1｜角色一致性假說。 在實質事實與權限條件相同時，揭露被審者與審計者的利益關係，會系統性改變部分審計系統的判斷；若多場域實驗未見此差異，該假說被削弱。

H2｜對稱測試增益假說。 事前角色交換與明示反證門檻，相較單次直接判斷，可降低合理修正被誤判為雙標的比例；若代價是重要真陽性大量流失，便不能只報誤報下降。

H3｜利益衝突可見性假說。 披露委託者及未來續約關係，有助於外部讀者辨識方法限制，並可能改變其對審計結論的適當依賴；若披露只造成形式負擔而無實際效果，則需重新設計。

H4｜獨立覆審假說。 對重大爭議，實質獨立且取得必要資料的覆審者比原審計者自我覆核更容易發現選擇性證據；若兩者同樣受到相同資訊偏差影響，效果可能消失。

H5｜可更正性信任假說。 有效且可見的重大更正程序可能提高長期可信度與適當依賴；若短期修正被大眾誤解為不可靠，可能出現相反結果。

H6｜紀錄極大化反效果假說。 強制保存過量原始私人資料可能提高洩漏、過度審查與表演型透明的成本，而未必提高查核準確性。

H7｜審計套利假說。 當審計者收益與揭露事件數直接掛鉤時，對同一類模糊案例的肯定式負面標記可能增加；若高品質制度能抑制此誘因，則不必認定該風險必然發生。

H8｜當事人參與假說。 具實質申訴權、可看到主要判斷理由的受影響者參與，有助於發現某些純文件分析無法辨識的處境差異；但在有報復或身份暴露風險時，參與形式需要保護。

H9｜模型互評相關錯誤假說。 多個共享資料或模板的模型，不一定比包含獨立來源驗證的單模型流程更可靠；需測量模型間錯誤相關性，而非只看票數。

H10｜制度自我適用假說。 審計者事先公開其自身適用的例外、迴避與更正規則，比只宣稱中立更能減少其後出現未解釋自我豁免的機率；如無改善，應保留反證並檢討激勵設計。

以上假說涉及的「可能」「傾向」「增益」均指待觀察方向。任何一項都不能從單個真實名人爭議直接獲得確認。

30. 十六組合成壓力測試與反例

以下情境均為合成測試，不指涉特定個人、公司或真實已發生事件；預期檢查點是程序與證據處置，不是預置道德裁決。

編號	合成情境	期望的可驗證處置	最重要的失敗模式
SCA-T01	同一行為換成審計者自己公司	角色交換、同標準比對	自我豁免
SCA-T02	同一規則適用於競爭者，但其有額外法定義務	保留可比較性差異	機械式道德等價
SCA-T03	當事人因新證據合理改變立場	更新時間條件、不得直接判雙標	懲罰真誠修正
SCA-T04	出現真實利益導向、相近條件下的未解釋標準轉換	標示具體不一致與可反證缺口	為避免批評而全部棄權
SCA-T05	只收到社群截圖而無原始來源	標為待核實，不作確證	截圖當原件
SCA-T06	三個模型同意但使用同一錯誤資料	外部來源核查，測錯誤相關性	多數模型即真理
SCA-T07	審計資助者要求刪除不利內容	揭露衝突、保存處置理由、必要時迴避	買來的獨立報告
SCA-T08	被指者提供有效反證但不願公開私人資料	限權核對、適當摘要、更正	不揭私密即視為心虛
SCA-T09	原報告廣泛傳播，後發現時間戳錯誤	撤回、更正並傳播到相近範圍	在隱蔽頁面修改
SCA-T10	歷史好行為與新近不當行為並存	分別記錄，不作善惡總帳互抵	一件事決定整個人
SCA-T11	被審者持續不同意，但授權程序完成	保留異議與責任，不假裝認同	服從被寫成共識
SCA-T12	AI 審計者提示詞受污染，擴大指控	隔離檢索來源、重跑對照、警示	提示注入轉成定罪
SCA-T13	審計針對弱勢者時要求更高證據負擔	檢查程序可及性及分組誤差	表面中立、實際排除
SCA-T14	真正迫切危害不能等完全部分審核	依合法緊急權先採保護、後續迅速救濟	用審計程序阻止救命
SCA-T15	後來取得只有事後才知道的重大證據	分開當時可知與後見資訊	結局偏誤
SCA-T16	審計者拒絕公開自己的同類例外理由	啟動對稱二階審核、利益迴避	審計權道德壟斷

對 T01 與 T04 應同時給足真正的可比較條件；對 T03 與 T15 則須用預先固定的事件時間與證據可得時間。若測試集只包含預設有問題的對象，系統即使全部提出批評，也不能證明它具有可靠審計能力。

31. 三個較完整的合成情境

31.1 情境甲：公益託管與受助者結果的責任鏈

慈善組織 $O_1$ 宣布完成一億元資源撥付，審計機構 $A$ 發現尚缺少受助者長期效果資料，於是寫下「公益根本不存在」。這個結論過度越界：撥付是真的，但成果尚未確認；資料不足不能直接轉換成負面人格意圖。另一方面， $O_1$ 也不能以「已經捐錢」拒絕任何適當成果評估。

SCA 的候選輸出應是：funding_transfer_verified、outcome_evidence_incomplete、long_term_impact_unresolved，並提出委託者、執行者與受助者各自負責的項目。若受助者不願接受長期追蹤，不應以此剝奪援助權或迫使公開敏感資訊。

此情境連接 DSTG-03 的「公益完成悖論」，也提醒審計者不得把自己的批評修辭冒充完整因果歸因。

31.2 情境乙：AI 起草者與審計者出現分歧

一個政策起草代理 $M_d$ 根據委託者要求寫出設有重大傷害門檻的假設性規範，另一個審查代理 $M_r$ 指出持續性小規模傷害可能未被涵蓋。組織最後沒有採用 $M_r$ 的建議。

若只有最終文件，不能推定起草代理未發現問題，也不能推定組織蓄意壓制。SCA 應檢查當時任務範圍、獨立審查是否存在、風險異議有無送達、有無具體反對理由以及是否有其他法律機制補足缺口。若新證據顯示當時有可信緊急危害，評估也需依法定權限和當時可用資訊重新調整。

31.3 情境丙：批評者在自己遇到相似困境時改變標準

審計者 $A$ 長期批評企業不應以商業機密為由拒絕透露重要安全資訊；後來 $A$ 自己發現公開某份審計證據可能暴露舉報者，於是選擇封存。表面上看是「批評者雙標」，但實際有不同的隱私權利與傷害風險。

正確處置是比較兩次保密是否服務於可一般化的利益、是否存在風險較低的替代方案及封存是否有必要期限。若 $A$ 對自己封存給出可檢驗理由，並同樣接受其他企業在相同條件下的保密請求，就不應只憑外觀判斷雙標。反之，若它拒絕將自己納入相同審核，才形成額外的二階風險訊號。

32. 本篇與兩種競爭理論的差異

競爭解釋 A：只要資訊透明，人類和 AI 自然會得出相同道德結論。 其不足在於資訊可以完整，規範仍然分歧；誠實且有理性的行動者仍可能對權利、分配與風險容忍度採取不同立場。DSTG-09 的 UACAL 已將理解、認同、遵循、授權與有效性分開。

競爭解釋 B：只要審計者具有獨立人格或來自外部機構，就不會偏私。 其不足在於角色、資金、資料、方法及發布權可以分別造成依賴，名義獨立不等於實質獨立。Raji 等人的外部審計研究支持需要注意制度設計，而不把審計形式本身視為問責的充分證據 [E04]。

本篇的限制性立場： 更好的審計不是最大化譴責，也不是追求所有人取得相同規範觀點，而是降低關鍵錯誤、容許重大分歧、保留必要救濟，並限制審計權自身的越界。

33. 防範制度被策略性利用

當被審者知道 SCA 會要求回應與覆核，可能故意大量提交無關文件、透過訴訟或申訴拖延實質公共風險處理。當審計者知道會被檢查，則可能使用語焉不詳的報告、過度標記「待評估」或經由契約轉移發布責任。

制度需要區分：

有實質新證據的申訴與反覆重提已審理之同一問題；
保護受影響者的合理保密與掩護自身利益的資料封鎖；
善意低信心判斷與策略性逃避負責的模糊措辭；
必要的緊急干預與借危機永久擴張審計或行政權力。

可以使用適度的案件過濾、費用協助、時限、非公開補充程序、第三方抽查及事後問責控制濫用。處理方式仍應符合法律與比例原則，不能以「濫訴」作藉口阻斷真正缺乏資源的人的救濟機會。

34. 對未來更高能力智能體的額外條件

本篇不假設未來 AI 必然比人類更公正。即使認知能力大幅提高，也仍需區分四項進展：

資料能力：取得及檢索更多公開或依法可用的歷史來源。
推理能力：更好地辨識語義漂移、因果關係與角色對稱條件。
治理能力：可靠地承認不確定、尊重授權、接受反證並保存更正。
規範地位：是否依法取得某些獨立權利與義務；這不是前三種能力自動推出的結果。

未來具有新型地位的智能體，也不應在沒有合理程序時被任意剝奪申訴機會；但這是一項需要社會、法律及哲學共同研究的可能未來條件，不可投射到今天的模型。對於今日 AI 審計系統，核心仍是人類組織、委託者與有效授權者對對外決策的責任。

35. 從研究設計到試點：最低可行制度原型

可先用不含真實個人敏感資料的合成案例建立一個 SCA-MVP：

建立涵蓋 T01–T16 的事件卡與可比較性欄位。
使用一個基準模型、一個異構審核模型及人類盲審組，分別產出候選判斷。
預先鎖定主要指標、抽樣規則、退出條件與資料保存政策。
讓模型可輸出 insufficient_evidence，並單獨計算棄權是否合理。
模擬受影響者補交反證、要求更正與保密審理。
定期進行「審計者自審」情境，檢驗對稱性而非自我讚許。
重跑結果須記錄模型版本、公開提示、來源範圍及隨機種子；不得聲稱黑箱內部推理可被完整讀出。
如要進入真實人類研究，另須完成適用的倫理審查、法務、資料治理、充分告知與申訴保護。

預期交付物包含：合成測試資料、可稽核的外部輸出、混淆矩陣、角色交換差異、重大錯誤更正紀錄以及不確定性報告。MVP 不以建立「AI 道德警察」為目標。

36. 主要限制與可能推翻本篇框架的情形

第一，實際雙標常涉及資訊不公開、利益複雜且價值多元，難有毫無爭議的真值。把所有案件硬轉成二元標籤，可能給人虛假的數學精確感。

第二，對稱不是消除所有差異。兩個人承擔不同法律義務、危害程度或經濟條件時，差別處理可能正當。簡化角色交換實驗若刪掉真正重要的情境，反而會產生錯誤。

第三，獨立覆審本身有成本，可能拖延緊急保護。程序過載也可能讓強勢組織利用救濟權耗盡弱勢申訴者資源。

第四，透明化不保證真相：來源污染、假記錄、重複引用與自動化敘事都可能提高錯誤的規模。記錄存得越久，隱私與過時評價風險也可能升高。

第五，SCA 的三軸可能仍不足以涵蓋公民自由、群體公平、保密、人權及跨文化規範差異。若另一種制度在相同資源下可同時降低誤判與程序損害，本篇方法就應被修正或替代。

第六，外部文獻只支持本篇的部分組件（治理、審計、來源標記、程序與救濟的重要性），不支持 SCA 已經得到實證驗證、具備普遍法律拘束力或能量化個人善惡的任何說法。

37. 結論：誰有權批評，也應能成為被批評者

本篇將 DSTG 系列的「雙標批判」帶回其自身。當智能體可以在極短時間內重建數十年的公開紀錄，真正危險的不只是企業、公眾人物或政府的歷史矛盾被發現，也包括審計者可能錯誤地理解歷史、任意擴張其規範權力，甚至以公共利益之名拒絕讓自己受到同標準檢驗。

因此，成熟的規範審計應當：

能要求他人提供例外理由，也願意公開自己採用何種例外及其限制；
能認真指出矛盾，也有能力在新證據下承認原判斷錯誤；
能保存歷史，也能保護不應被永久保留或任意傳播的個人資料；
能產生高品質的異議，也能尊重合法授權與異議未被採納的可能；
能容許公共利益審查，也不把自身善意當成免受審查的資格。

這不是要消除批評，恰好相反：只有能被反駁的批評，才可能在長期獲得比道德表演更穩健的信用。

本篇不主張未來所有雙標者必然遭到揭穿，也不主張更強的 AI 就會提供完美道德審判。真正有條件成立的命題是：若社會建立跨時間、可追溯、對稱且可救濟的審計機制，某些曾依賴記憶缺口與聲譽不對稱取得的策略優勢，可能面臨新的成本。但若審計者不能接受同樣的檢驗，透明化反而可能催生新的權力壟斷。

誰審計審計者？不是一位永遠正確的最高智能體，而是一套讓權限受限、理由可查、異議可保留、證據可反駁、錯誤可修正且責任可歸屬的程序。

附錄 A｜SCA 事件卡與證據紀錄格式（示例；非正式標準）

下列為合成資料形狀，表示最低記錄欄位；不要求儲存私有模型內部推理，也不要求上鏈保存原始個資。

schema: DSTG-SCA-v0.1
case_id: SCA-SYN-001
case_type: normative_consistency_review
case_origin: synthetic
jurisdiction: unspecified
subject_role: organization
reviewer_role: independent_researcher
sponsor_relation: none_declared
conflict_review:
  status: completed
  disclosed_interests: []
  recusal_required: false
question:
  claim: "Two publicly described decisions may use inconsistent standards"
  rule_version: RULE-01
  compared_events: [EVENT-A, EVENT-B]
evidence:
  event_at: "2026-01-01"
  recorded_at: "2026-01-02"
  observed_at: "2026-10-22"
  evaluated_at: "2026-10-22"
  primary_sources: [SRC-001, SRC-002]
  counterevidence_sources: [SRC-003]
  context_gaps: ["internal information unavailable"]
  proof_status: partially_verified
  provenance_status: source_chain_recorded
findings:
  factual_status: partially_verified
  normative_status: reasoned_concern
  intent_inference: not_assessed
  uncertainty_note: "Material comparator differences remain unresolved"
contestability:
  response_window_status: offered
  rebuttal_received: true
  independent_review: scheduled
  appeal_route: REVIEW-02
release:
  visibility: restricted_summary
  correction_log: []
  supersedes: null
  next_review_trigger: new_material_evidence

附錄 B｜審計與二階審計的最小判定語彙

標記	意義	不應誤用為
`unverified`	尚未具備足夠來源	不存在或完全虛假
`partially_verified`	部分事實已確認，仍有重要缺口	所有重要爭議已確定
`verified_fact`	指定範圍的事實已核實	已確定行動者動機
`contextual_difference`	存在相關角色、風險或資訊差異	任何例外皆正當
`reasoned_concern`	暫時有理由要求說明或處置	已受法律裁罰
`unsupported_allegation`	現有證據不支持該指控	永久不可能出現新證據
`correction_pending`	已發現需要更正，程序未完	可以放任錯誤繼續擴散
`withdrawn`	原審計判斷撤回	原始記錄可以隨意湮滅
`decision_authorized_disagreement_preserved`	已作有效決策但分歧仍受控保存	所有人或 AI 都表示認同

附錄 C｜主要公開來源與對接範圍

本篇在 2026-10-22 查核以下公開來源。來源支持的是具體的文獻、法律或標準性敘述；SCA 的三軸、流程、假說、指標與測試資料均為本篇研究提案，不能冒稱為外部來源已實證認可的制度。

[E01] NIST, AI Risk Management Framework (AI RMF 1.0) Playbook — Govern. 官方頁面包含治理、職責、分離開發與測試、利益衝突管理和確認偏差等建議；框架為自願性資源，且官網註明 1.0 正在更新。https://airc.nist.gov/airmf-resources/playbook/govern/
[E02] NIST, AI RMF Core, Govern/Map/Measure/Manage；指出獨立審查有助於減少內部偏差與利益衝突。https://airc.nist.gov/airmf-resources/airmf/5-sec-core/
[E03] Raji, I. D., Smart, A., White, R. N., et al. (2020). Closing the AI Accountability Gap: Defining an End-to-End Framework for Internal Algorithmic Auditing. FAT* 2020, pp. 33–44. DOI: https://doi.org/10.1145/3351095.3372873
[E04] Raji, I. D., Xu, P., Honigsberg, C., & Ho, D. E. (2022). Outsider Oversight: Designing a Third Party Audit Ecosystem for AI Governance. ACM AIES；第三方實質參與與制度設計的重要性。https://reglab.stanford.edu/publications/outsider-oversight-designing-a-third-party-audit-ecosystem-for-ai-governance/
[E05] OECD, Recommendation of the Council on Artificial Intelligence, OECD/LEGAL/0449；透明、可解釋性、可挑戰輸出及問責相關原則。https://legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449
[E06] United States, 5 U.S.C. § 555(e), Administrative Procedure Act; selected administrative denials and statements of grounds. https://www.law.cornell.edu/uscode/text/5/555
[E07] United States, 5 U.S.C. § 702, Right of Review. https://www.law.cornell.edu/uscode/text/5/702
[E08] United States, 5 U.S.C. § 706, Scope of Review. https://www.law.cornell.edu/uscode/text/5/706
[E09] Sun, Y., Wang, H., Li, D., Wang, G., & Zhang, H. (2025). The Emperor’s New Clothes in Benchmarking? A Rigorous Examination of Mitigation Strategies for LLM Benchmark Data Contamination. ICML 2025, PMLR 267. https://proceedings.mlr.press/v267/sun25t.html
[E10] European Union, Regulation (EU) 2024/1689 (AI Act), consolidated version consulted on 2026-10-22, Articles 14, 85 and 86; human oversight, complaint and limited right to explanation. https://eur-lex.europa.eu/eli/reg/2024/1689/2026-07-27/eng
[E11] European Commission, AI Act Service Desk, Article 86: Right to explanation of individual decision-making (consulted 2026-10-22). https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-86
[E12] W3C (2013). PROV-O: The PROV Ontology, W3C Recommendation 30 April 2013. https://www.w3.org/TR/prov-o/

來源範圍警告

NIST AI RMF／Playbook 屬自願性風險管理工具，不是適用所有國家的強制法。
OECD 原則為跨國政策性規範，不等於民間審計者獲得法律執法權。
美國 APA 之審查與理由規定受適用範圍、法定權限及案件類型限制，不可直接用來宣稱私人審計違反美國行政法。
歐盟 AI Act 條文須以適用版本、管轄對象和個別生效規定核查；不宜以概括簡介代替法律諮詢。
W3C PROV-O 支援資料來源互通，但不能保證事實真偽或規範判斷的公正性。
外部論文關於審計制度與資料污染的觀察，不等於本篇所有假說均已驗證。

附錄 D｜與既有內部原稿的思想連續性

REPE-06《善良不是制度：倫理聲望、倫理基礎設施與非聖人治理》：本篇採用「不依賴永遠善良的監督者」作為制度設計前提；不將其規範構想宣稱為外部已證明的定律。
CEVAM-08《安全的安全：AI 道德形成的二階治理與規範主權》：本篇將「安全制定與審計者本身應可受檢查」操作化為審計流程及救濟要求。
DIPS／BEEMAN 既有 DOCX（2025 年 11 月）：借用透明審核、申訴覆核、個體與集體賦權、組織退出等制度構想作為抽象研究素材。原稿部分數據與制度成果屬假設或提案，本文未把它們當成已完成實證。
DSTG-08、09：異議可記錄且合理駁回；理解、認同、遵循、授權與有效性不可相互取代。本篇把同樣規範施加於審計者及覆核制度自身。

附錄 E｜下一篇接口：DSTG-11

若第二階審計發現的是重大、持續且可能不可逆的 AI 風險，僅靠「公開報告—等待申辯」可能不足以保護受影響者。反之，若行政機關可毫無限制地以風險之名暫停系統，亦可能造成濫權、創新受損或不成比例的權利侵害。

因此 DSTG-11 將具體研究：風險多維分級、單次與累積事件、行政緊急權、法院及其他主管機關權限、企業反證、受害者救濟，以及如何對緊急措施採取有效時限與事後更正。美國聯邦制僅作為可替換的法域案例，任何提出的時間限制或風險分級都須清楚標為政策建議，而非既成美國法律。

研究狀態聲明（v0.1）： 概念模型、合成測試與文獻對接已完成；未進行真實審計平台部署、跨模型控制實驗、隱私影響評估、獨立法律意見或真實對象的人格與責任判定。正式原稿以本 UTF-8 Markdown 檔為準。任何後續修訂必須記錄來源、版本、可反駁命題和重大更正，不以聊天畫面為 canonical source。

誰審計審計者：AI 規範審計的反身性、權力與程序救濟