AISPA：面向大型语言模型应用的用户中心系统提示审计框架

论文提出 AISPA，一个以用户为中心的系统提示审计框架，从八个维度评估系统提示。研究者用该框架审计了 88 个商业 AI 产品中的 3249 条指令，发现系统提示设计差异大，防护性指令虽普遍但深度不足，且约 40% 的产品包含不利于用户的指令。

商业 AI 产品的系统提示通常不公开，导致信任和问责缺口。AISPA 提供了首个用户中心的审计框架，对 88 个产品的系统提示进行系统化审查，揭示了设计差异和问题指令的普遍性，为行业监管和产品改进提供了实证基础。

AISPA 通过将系统提示中的指令分类为防护性或问题性，并评估其覆盖的八个维度，量化用户保护程度。研究发现防护性指令虽广泛存在但覆盖不全，且问题指令与防护指令常共存，表明系统提示设计仍存在用户利益冲突。

该框架可帮助产品团队系统审查系统提示，识别潜在的用户利益冲突，改进防护设计。对研发流程而言，可引入审计工具来评估提示质量，降低合规风险，提升用户信任。但证据未提及具体成本或性能影响。

• 开发系统提示审计工具，根据 AISPA 八个维度自动评估提示，帮助产品团队优化设计。
• 为 AI 产品提供用户保护评分，作为差异化卖点，增强市场竞争力。
• 建立系统提示基准数据集，支持行业对比和最佳实践分享。
• 将 AISPA 框架集成到开发流程中，作为发布前合规检查的一部分。

• AISPA 框架是否已被实际产品团队采用？
• 审计的 88 个产品的具体名称和行业分布未在证据中列出。
• 问题指令是否导致实际用户伤害，证据未提供案例。
• 框架的八个维度具体是什么，证据未详细说明。