SIGNAL
ENTRDEARESRU
НАЧАТЬ ЗАКРЫТЫЙ БРИФ
Протокол GEO-аудита NOMOS

ГЛОССАРИЙ / ИСТОЧНИКИ / МАШИННЫЙ СЛОЙ

Глоссарий, методологические основания и машиночитаемый слой

Эта библиография — не список авторитетов, одобряющих каждое пороговое значение, специфичное для NOMOS. Она указывает методологические основы в области выборок, управления рисками, целостности данных, происхождения доказательств, согласованности оценщиков, открытых стандартов и оценки соответствия.

Версия
0.9.0
Статус
зафиксированный текст версии-кандидата

Глоссарий

Рекомендация
Нематериальный вывод, который требует улучшения в ясности, форме или соблюдении хороших практик.
ИИ-продукт
Измеряемый объект, определяемый конкретным продуктом генеративной системы, поверхностью, планом и версией, доступными пользователю.
Атомарное утверждение
Наименьшая единица смысла, способная нести независимое суждение о правде, объеме, времени, объекте или доказательстве.
BQ
Код качества эталона, указывающий уровень выполнения и воспроизводимости реального эталонного теста.
Запись фиксации
Запись, сохраняющая отправленную подсказку, ответ, время, поверхность и доказательства целостности вместе.
Общая опора сравнения
Популяция пользователей, которые разделяют законные условия доступа во всех сравниваемых продуктах ИИ.
Критический
Неустранимое обнаружение, способное причинить серьезный вред пользователю, праву, безопасности или материальному решению.
GEO-1000
Шкала отчетности, выражающая результаты целевой популяции на 1,000 эквивалентов пользователей.
Пакет проверенных данных
Пакет аудита с версиями, объединяющий идентичность, область, время, доказательства и записи контрдоказательства для субъекта.
Промпт
Входные данные генеративной системы, блокирующие исследовательский вопрос, целевую сущность, контекст и нагрузку на ответы.
Коэффициент покрытия
Частота, с которой метод интервальной оценки содержит предполагаемое истинное значение при проекте тестирования.
Существенный
Существенный результат, который искажает результат или заключение о соответствии и не может быть компенсирован составным баллом.
Умеренный
Результат ограниченного материального эффекта, который, тем не менее, требует исправления и может привести к условному исходу.
Естественный охват
Целевая аудитория, способная получить доступ к данному продукту ИИ, языку, интерфейсу и условиям использования естественно и легитимно.
NOMOS
Критический методологический голос и идентичность стандартов, разработанные в этой работе Kaan MURAZ с системами ИИ; это не самостоятельное юридическое лицо и не отдельная базовая модель.
Пробел в эталонных данных
Состояние, при котором надежная ссылка, необходимая для принятия решения, не существует или недоступна.
Синтетическая демонстрация
Рассчитанный пример, используемый для тестирования внутренней работы метода; это не реальное исследование пользователей, не реальный вывод ИИ и не реальный результат работы учреждения.
Не определено
Статус принятия решения, используемый, когда доказательств недостаточно для окончательного суждения или конфликт не может быть разрешен.

Методологические основания

  1. [K01] Aggarwal et al.. GEO: Generative Engine Optimization. 2024. https://doi.org/10.1145/3637528.3671900
  2. [K02] NIST. AI Risk Management Framework 1.0. 2023. https://www.nist.gov/itl/ai-risk-management-framework
  3. [K03] NIST. Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile (NIST AI 600-1). 2024. https://doi.org/10.6028/NIST.AI.600-1
  4. [K04] AAPOR. Transparency Initiative. current edition. https://aapor.org/standards-and-ethics/transparency-initiative/
  5. [K05] AAPOR. Standard Definitions, 10th edition. 2023. https://aapor.org/standards-and-ethics/standard-definitions/
  6. [K06] AAPOR. Code of Professional Ethics and Practices. current edition. https://aapor.org/standards-and-ethics/
  7. [K07] United Nations Statistics Division. Designing Household Survey Samples: Practical Guidelines. 2008. https://unstats.un.org/unsd/demographic-social/Standards-and-Methods/files/Handbooks/surveys/Series_F98-E.pdf
  8. [K08] CDC/NCHS. Reliability of Estimates: Design Effect and Effective Sample Size. current record. https://wwwn.cdc.gov/nchs/nhanes/tutorials/reliabilityofestimates.aspx
  9. [K09] NIST/SEMATECH. Confidence Limits for a Binomial Proportion. current record. https://www.itl.nist.gov/div898/handbook/prc/section2/prc241.htm
  10. [K10] W3C. PROV-O: The PROV Ontology. 2013. https://www.w3.org/TR/prov-o/
  11. [K11] W3C. JSON-LD 1.1. 2020. https://www.w3.org/TR/json-ld/
  12. [K12] IETF. RFC 8259 — The JavaScript Object Notation Data Interchange Format. 2017. https://www.rfc-editor.org/rfc/rfc8259.html
  13. [K13] IETF. BCP 14 — RFC 2119 and RFC 8174. 1997/2017. https://www.rfc-editor.org/info/bcp14
  14. [K14] IETF. RFC 8785 — JSON Canonicalization Scheme. 2020. https://www.rfc-editor.org/rfc/rfc8785.html
  15. [K15] ISO/IEC. 17000:2020 — Conformity assessment vocabulary and general principles. 2020. https://www.iso.org/standard/73029.html
  16. [K16] ISO/IEC. 17007:2026 — Conformity assessment — Guidance for drafting normative documents suitable for use for conformity assessment. 2026. https://www.iso.org/standard/17007
  17. [K17] ISO/IEC. 42001:2023 — Artificial intelligence management system. 2023. https://www.iso.org/standard/42001
  18. [K18] W3C. Process Document. current edition. https://www.w3.org/policies/process/
  19. [K19] ISO. Good Standardization Practices. current record. https://www.iso.org/files/live/sites/isoorg/files/store/en/PUB100440.pdf
  20. [K20] UNESCO. Recommendation on the Ethics of Artificial Intelligence. 2021. https://www.unesco.org/en/legal-affairs/recommendation-ethics-artificial-intelligence
  21. [K21] European Union. Regulation (EU) 2024/1689 — Artificial Intelligence Act. 2024. https://eur-lex.europa.eu/eli/reg/2024/1689/oj
  22. [K22] European Union. Regulation (EU) 2016/679 — General Data Protection Regulation. 2016. https://eur-lex.europa.eu/eli/reg/2016/679/oj
  23. [K23] Creative Commons. Attribution 4.0 International. 4.0. https://creativecommons.org/licenses/by/4.0/
  24. [K24] Open Source Initiative. Open Source Definition. current edition. https://opensource.org/osd
  25. [K25] NIST. FIPS 180-4 — Secure Hash Standard. 2015. https://doi.org/10.6028/NIST.FIPS.180-4
  26. [K26] IETF. RFC 3161 — Time-Stamp Protocol. 2001. https://www.rfc-editor.org/rfc/rfc3161.html
  27. [K27] Jacob Cohen. A Coefficient of Agreement for Nominal Scales. 1960. https://doi.org/10.1177/001316446002000104
  28. [K28] Klaus Krippendorff. Reliability in Content Analysis: Some Common Misconceptions and Recommendations. 2004. https://doi.org/10.1111/j.1468-2958.2004.tb00738.x

Машиночитаемый слой

К этой читаемой человеком версии прилагается отдельный объект публикации JSON: NOMOS-GEO-Audit-Protocol-RU-0.9.0-machine.json. Он содержит идентичность и версию книги, идентификаторы глав, идентификаторы нормативных правил и машинные блоки, отделённые от исходного текста.

Наличие машиночитаемого слоя не создаёт сертификацию, статус канонического мирового стандарта, одобрение поставщика ИИ или автоматическую доверительную связь. Любое расхождение между человеческим текстом и машинной записью требует контроля версий и ответственной человеческой проверки по зафиксированному турецкому источнику.

Рекомендуемое цитирование

Muraz, Kaan. Протокол GEO-аудита NOMOS: Протокол измерения представления сущностей в генеративных системах на уровне мирового населения. Кандидат окончательного текста, русская редакционная версия. NobleJackal, 2026. https://doi.org/10.5281/zenodo.22041553. https://noblejackal.com/ru/nomos-geo-audit-protocol/
© 2026 Kaan MURAZ. Лицензия CC BY 4.0; указание авторства обязательно.