The Instruction Stack Audit Framework (ISAF): A Technical Methodology for Tracing AI Accountability Across Nine Abstraction Layers
Notice bibliographique
Résumé
AI accountability failures occur when regulatory audits examine outputs while root causes exist in instruction layers that remain undocumented and unauditable. Analysis of documented AI incidents including Air Canada's chatbot liability (2024), Amazon's hiring bias (2018), and Zillow's algorithmic valuation loss exceeding $500 million (2021) reveals a consistent pattern: problematic behavior traces to design-layer decisions involving objective functions, framework configurations, and data selection that were never systematically reviewed before deployment. Current AI governance frameworks including the EU AI Act, NIST AI Risk Management Framework, and ISO/IEC 42001 focus primarily on model outputs and data governance without providing technical specifications for documenting the full instruction stack from hardware substrate to emergent behavior. This creates a fundamental traceability gap where organizations can achieve nominal regulatory compliance while leaving the majority of their instruction stack unaudited. This paper introduces the Instruction Stack Audit Framework (ISAF), a proposed methodology designed to address this documentation gap. ISAF provides a nine-layer technical specification defining instruction propagation from voltage thresholds through objective functions to outputs, accompanied by a 127-checkpoint audit protocol for systematic instruction verification, an instruction lineage logging schema enabling cryptographic verification, a layer ownership assignment methodology for accountability attribution, and a risk scoring system based on abstraction distance and control strength. The framework draws on principles established in prior work on deterministic compliance systems and extends them to full-stack AI accountability. Three case analyses demonstrate how ISAF-based audits could have identified instruction-level risks in documented failures. The complete audit specification, logging schemas, and implementation templates are provided in appendices. ISAF is released for academic validation, industry pilot implementations, and regulatory consideration. Keywords: AI governance, algorithmic accountability, EU AI Act compliance, NIST AI RMF, ISO 42001, objective function auditing, instruction traceability, deterministic compliance, ML operations, AI safety, cryptographic audit trails, regulatory documentation requirements
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,015 | 0,001 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,007 | 0,012 |
| Intégrité de la recherche | 0,001 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».