2026年7月30日 · AISPA
AISPA: User-Centric System Prompt Auditing for Large Language Model Applications
AISPA 论文提出用户中心框架，审计 88 个商业 AI 产品的 3249 条系统提示指令，按八维度分类为保护性或问题性。发现 98.9% 产品含至少一条保护性指令，但仅 24% 覆盖全部八维度；不同产品保护性指令数量差异大（平均从少于 5 到超过 60）。
EVENT STORY
发展脉络
- 首次出现AISPA: User-Centric System Prompt Auditing for Large Language Model ApplicationsarXiv cs.AI
- 当前判断系统提示不透明是信任缺口，AISPA 提供审计方法，可能推动行业标准或监管要求。Agent Pulse · 分析
AISPA 论文提出用户中心框架，审计 88 个商业 AI 产品的 3249 条系统提示指令，按八维度分类为保护性或问题性。发现 98.9% 产品含至少一条保护性指令，但仅 24% 覆盖全部八维度；不同产品保护性指令数量差异大（平均从少于 5 到超过 60）。
AISPA 框架提供系统提示审计的维度化方法，可复用于评估提示质量。其发现提示设计差异大，保护性指令浅层化，提示审计可自动化。
系统提示不透明是信任缺口，AISPA 提供审计方法，可能推动行业标准或监管要求。
对 AI 产品开发者，AISPA 提供提示质量评估方法，可提升合规性和用户信任，降低风险。
后续可关注 AISPA 框架被采用、审计工具开发、监管引用或更多产品披露提示。