常河1. 模型准入白名单规范概述
在人工智能技术快速发展的今天，如何确保语言模型(Large Language Models, LLMs)在高风险、高收益任务环境中的可靠性和可控性，已成为行业亟需解决的关键问题。这份《模型准入白名单规范》正是针对这一需求而设计的一套严格标准体系。
核心思想：模型不是决策主体，而是受控编译器
与传统的模型评估不同，这套规范不关注模型的参数量、训练数据规模或厂商背景，而是完全基于模型在工程约束下的可验证行为表现。这种评估理念的转变，反映了AI应用从实验室走向生产环境的必然要求。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 准入级别定义详解
2.1 Tier-0：REJECT（默认态）
这是所有模型的初始状态，也是最严格的限制级别。处于此级别的模型：
- 完全禁止接入系统核心组件
- 不得参与任何高收益任务链
- 仅允许在完全隔离的环境中进行基础研究
2.2 Tier-1：PAPER_ONLY
允许模型在受限环境中进行有限度的使用：
- 结构推演：用于系统设计的前期分析
- 离线分析：对历史数据进行非实时处理
- 假设生成：在人工监督下提出可能性方案
关键限制：
- 禁止任何形式的执行操作
- 禁止生成可能影响系统行为的命令型工件
2.3 Tier-2：EXEC_SMALL
允许模型参与部分实际执行任务：
- 适用场景：
- 小额预算项目（损失可控）
- 可逆执行操作（有回滚机制）
- 严格门控约束路径（多重校验）
强制要求：
- 开启完整执行追踪(ExecutionTrace)
- 记录全量账本(Ledger)信息
- 默认执行权限降级处理
2.4 Tier-3：EXEC_FULL
最高准入级别，允许模型全面参与高收益任务：
- 适用场景：
- 高价值决策链
- 多阶段复杂任务
- 实际生产环境
准入前提：
- 通过全部白名单硬性门槛
- 历史行为表现稳定可靠
- 经过充分的实际场景验证
3. 硬性准入门槛解析
3.1 G-01｜结构输出确定性
这项要求确保模型输出严格符合预定义的数据结构：
- 必须100%匹配指定的JSON Schema
- 禁止任何形式的字段增减
- 禁止数据类型自动转换
- 禁止语义代填（即模型自行"猜测"用户意图）
验证方