再比如，技术说明里写"调用第三方已备案模型"，但没有说明本应用是否有提示词工程、RAG 检索增强、插件调用、联网搜索、工具调用、用户画像、数据回传、日志留存，就无法判断应用层风险是否已经被充分识别。现在很多 AI 应用不是自研基座模型，而是调用通义、文心、腾讯混元、智谱、豆包、DeepSeek 等第三方模型能力，再叠加自身业务系统、知识库、提示词、前端交互、工具调用和权限管理。备案或登记不是终点。

再比如，技术说明里写"调用第三方已备案模型"，但没有说明本应用是否有提示词工程、RAG 检索增强、插件调用、联网搜索、工具调用、用户画像、数据回传、日志留存，就无法判断应用层风险是否已经被充分识别。现在很多 AI 应用不是自研基座模型，而是调用通义、文心、腾讯混元、智谱、豆包、DeepSeek 等第三方模型能力，再叠加自身业务系统、知识库、提示词、前端交互、工具调用和权限管理。备案或登记不是终点。

📑 本文目录一、人民日报敲响警钟：AI幻觉不能只当笑话看二、AI幻觉何以屡屡产生？根源在技术底层与责任缺位三、"双备案"制度：从源头阻断幻觉风险的制度框架四、很多企业卡住的不是"填表"，而是分不清合规路径五、备案不是"填一张表"，而是11个模块的系统性工程六、为什么"临近上线才准备备案"一定会延期？人民日报点名的AI幻觉问题，表面是用户体验翻车，本质是模型输出缺少事实校验机制——而这正是备案评审

教育行业天然敏感。原因很直接：教育大模型处理的不只是普通文本，还可能涉及学生个人信息、学习轨迹、考试数据、作文内容、课堂互动记录、教师评价、家校沟通信息，甚至是未成年人的心理状态、学习压力和行为表现。监管和学校客户关心的不是"模型答得聪不聪明"，而是：模型会不会生成错误知识点，误导学生？模型会不会输出不适合未成年人的内容？学生作业、试卷、作文、语音、照片会不会被用于训练或二次利用？题库生成涉不涉及

1. 备案和登记，是两套完全不同的程序备案和登记，对应的是两套不同的法规、两个不同的系统、两份不同的材料要求。的依据是《生成式人工智能服务管理暂行办法》。你要是自己训练、研发了一个大模型，或者在开源模型基础上做了二次训练、微调，你需要向监管证明：这个模型是安全的，我可以负责。并且大模型备案通常都是有政策补贴的，根据每个地区是不一样的。的依据是同一部法规，但针对的是另一种情况：你没有自己训练模型，是

在「数据来源合法性」栏目中，需按以下格式逐项说明：1）数据类别（如：文本/图像/音频）2）数据规模（如：约XX亿token）3）采集方式（如：公开数据集/用户授权/合作采购）4）授权证明（如：数据集名称、许可证类型、协议链接）5）清洗流程（如：去重→脱敏→质量过滤→合规审查）正确的方式是：「模型的输出确实存在不确定性，但我们通过三层防护机制来管控风险：技术层有输入过滤和输出检测，制度层有人工审核和

本文目录01 你以为的蓝海：产品爆发，备案荒漠02 政策全景：大模型合规，不止一部法规03 认知纠偏：技术员最容易搞混的5个概念04 流程拆解：每个阶段在做什么、卡在哪里05 大模型备案自检清单六、写在最后。

本文目录01 你以为的蓝海：产品爆发，备案荒漠02 政策全景：大模型合规，不止一部法规03 认知纠偏：技术员最容易搞混的5个概念04 流程拆解：每个阶段在做什么、卡在哪里05 大模型备案自检清单六、写在最后。

本文目录目录。

本文目录目录。