四类核心记录
模型资产与变更、训练与微调数据来源、评测与红队报告、推理路由与输出处置。四类记录要能通过版本号互相引用，否则只能各自成立、无法互证。检查时一交叉就会露馅，缺的那一类往往正是最关键的一类。
推理侧要记什么
请求标识、模型与版本、路由决策、护栏命中、输出是否被拦截或改写、最终去向。记到能还原「为什么这次走了这个模型」，而不是只留一条调用时间和耗时，后者几乎回答不了任何实质问题，路由记录要能复现。
数据来源的证明
训练与微调数据的授权、采集方式、脱敏处理与版本要留档。仅有数据集文件不够，还要能说明它从哪来、谁批准使用、是否含个人信息，这三点决定了一次检查能不能顺利通过，来源说明要能落到文件。
证据链的组织
以模型版本为主线，把数据、评测、上线审批、配置变更与推理记录串起来。抽查时从一条输出往上追，能在约定时间内追到审批人，才算可用，否则材料再多也说明不了问题，追溯时间要设定上限，这个上限要写进制度。
边界：审计材料也敏感
权重、评测集与日志都可能含敏感信息，提交给外部时应做脱敏与范围限定。为证明合规而全量外发，可能造成一次新的泄露，反而把审计变成了风险事件，外发范围要逐份确认并登记留档，边界要写清。
适用与不适用
适合谁
- 需要向客户或监管证明模型可追溯的企业
- 自建推理服务、有多个模型版本的团队
- 负责模型上线审计与事件复盘的部门，需要版本记录
不适合谁
- 只调用单一托管接口、无版本管理的轻量应用
- 尚未建立任何模型台账的组织，也无版本记录
典型场景
某招聘平台的简历筛选模型被投诉存在偏差。审计从一条被拒记录追到模型版本、当批特征数据与上线审批，发现是两周前一次特征更新引入的。团队据此回滚并对该批次重新评估，整个过程在两小时内完成，复盘材料同步给了合规部门。
可执行步骤
- 以模型版本为主线，建立资产、数据、评测与审批四类记录的关联，并约定复核频率。
- 推理日志补充路由决策、护栏命中与输出处置等字段，并同步到知识库，字段定义写进文档。
- 为训练与微调数据留存授权、采集方式、脱敏处理与版本记录，留一份可查版本。
- 每季度随机抽一条输出做向上追溯演练，记录耗时与断点位置，列入下季度计划。
- 对外提交审计材料前做脱敏与范围界定，并由法务复核措辞，外发清单逐份登记。
常见坑
- 只记模型名字不记版本号，出了问题根本不知道该回滚到哪一版，检查时也很被动，回滚只能靠猜。
- 评测报告散落在个人电脑里，评审时找不到，等于从来没有做过，也无法补做，同类问题会重复发生。
- 推理日志只有时间与耗时，没有路由与护栏字段，决策过程还原不了，也说不清是否走错模型，代价更高。
- 对外提交材料不做脱敏，一边证明合规，一边把客户数据又泄露了一次，很难向对方解释，也很难补救。
自检与验收清单
- 每个模型是否有唯一版本标识与变更记录，可查变更
- 推理日志是否含路由、护栏与输出处置字段，可抽样
- 训练与微调数据的授权、脱敏是否留档，含版本号
- 是否每季度做过一次向上追溯演练，含耗时记录
- 对外提交的材料是否脱敏并经法务复核，有复核痕迹
常见问题
只记调用日志够不够？
不够。调用日志能证明用过模型，但证明不了版本、数据与审批。需要把调用与资产台账、评测报告、上线审批用版本号关联起来，才构成能自证的证据链，台账是连接的起点，实践中常被跳过。
评测集本身含敏感数据怎么办？
做脱敏或改用合成样本，并把原始集单独限权保存。评测集往往会长期留存，如果直接放真实数据，等于给自己留了一份难以管理、也容易被忽略的副本，合成样本也可用，应写进项目计划。
外部审计要看权重怎么办？
先确认必要性与范围，能提供哈希、评测报告与隔离说明的，通常不必交出权重。确需交付时应签保密协议、限定用途并记录交接，避免二次扩散，交付清单要逐项签字确认，常被忽略。