Model Governance & Risk Management: 解释模型卡（model card）的内容与作用。

Core Concept: 模型卡记录预期用途、训练数据、评估结果（含分群）、局限与伦理考量，供使用者判断适用边界、供审计方核查，是模型透明与问责的基础文档。

数学机理：<strong>模型卡（model card）的内容框架</strong>——(1) <strong>模型详情</strong>——(a) 模型类型、架构、参数量、版本；(b) 训练日期与负责人；(c) 相关论文/引用。(2) <strong>预期用途（intended use）</strong>——(a) <strong>主要用途</strong>——设计要解决的场景；(b) <strong>主要使用者</strong>——目标用户（专家/公众）；(c) <strong>不适用场景（out-of-scope）</strong>——明确不该用的场景（<strong>关键</strong>：防止误用，如'不用于医疗诊断'）；(d) <strong>注意</strong>——写清不适用场景是模型卡的核心价值之一。(3) <strong>因素（factors）</strong>——影响表现的维度（人群、语言、设备、环境）。(4) <strong>指标（metrics）</strong>——(a) 评估所用指标与理由；(b) 决策阈值；(c) <strong>分群指标</strong>——不同人群/子集的差异（暴露不平等表现）。(5) <strong>评估数据（evaluation data）</strong>——(a) 数据集来源与代表性；(b) 与训练数据的重叠（避免数据泄漏导致的虚高）；(c) 时间范围。(6) <strong>训练数据（training data）</strong>——(a) 来源与采集方式；(b) 时间与地理范围；(c) 人群覆盖与已知偏差；(d) 许可与合规；(e) <strong>数据卡（datasheet）</strong>——数据集的独立文档（动机、构成、采集、预处理、用途、分布、维护）。(7) <strong>定量分析（quantitative analyses）</strong>——(a) 整体与分群表现；(b) 校准；(c) 鲁棒性（扰动/分布外）；(d) 公平性度量。(8) <strong>伦理考量（ethical considerations）</strong>——(a) 敏感场景（医疗/执法/招聘）；(b) 潜在危害与缓解；(c) 隐私（是否含 PII）。(9) <strong>注意事项与建议（caveats and recommendations）</strong>——(a) 已知失效模式；(b) 使用建议；(c) 监控要求。(10) <strong>作用</strong>——(a) <strong>透明</strong>——让使用者了解能力与局限；(b) <strong>问责</strong>——明确责任与联系；(c) <strong>审计</strong>——合规与监管的文档基础；(d) <strong>复现</strong>——辅助理解与复现；(e) <strong>沟通</strong>——跨团队（研究/产品/法务/合规）共享信息。(11) <strong>与数据卡的关系</strong>——(a) 模型卡描述<strong>模型</strong>；(b) 数据卡描述<strong>数据集</strong>；(c) 二者互补，模型卡常引用数据卡。<strong>与其他问题的关系</strong>——(a) 与公平性与偏见；(b) 与高风险场景验证；(c) 与合规审计；(d) 与模型风险登记。<strong>度量</strong>——(a) 模型卡覆盖率（上线模型有卡的比例）；(b) 分群指标是否包含；(c) 更新及时性。

深度剖析与工程权衡：① <strong>不适用场景是模型卡的核心价值</strong>——防止误用；面试中能指出这点是深度理解的标志。② <strong>分群指标暴露不平等表现</strong>——只写整体指标会掩盖问题。③ <strong>模型卡与数据卡互补</strong>——模型与数据集分别文档化。④ <strong>评估数据需与训练数据无重叠</strong>——否则指标虚高。⑤ <strong>模型卡是问责与审计的文档基础</strong>——监管与合规的抓手。⑥ <strong>需随模型更新维护</strong>——否则文档过时误导。⑦ <strong>面试要点</strong>——被问怎么提升模型透明度，应给出'<strong>预期用途（含不适用）+ 训练数据（含偏差）+ 分群指标 + 局限与风险 + 伦理考量 + 与数据卡配合</strong>'；能指出不适用场景与分群指标是深度理解的标志。