---
title: "模型卡（Model Card）"
slug: model-card
language: zh-TW
source: https://aiterms.tw/terms/model-card
updated_at: 2026-07-04
tags: [模型評估, AI倫理與治理, 模型部署, MLOps, source:ipas]
ipas_term: true
---

# 模型卡（Model Card）

概述AI模型性能、限制、預期用途、評估指標與潛在風險的文件。

## 完整說明

模型卡是一種標準化文件，用於詳細記錄 AI 模型的關鍵資訊，包括其訓練資料、評估結果、預期用途、限制與潛在偏誤。它能夠提升模型透明度、促進負責任的 AI 部署，並幫助使用者理解模型的行為與適用範圍。常見應用包括在模型發布時提供，或作為內部模型治理流程的一部分。

## iPAS 考試出題分析

屬於未分類考範圍。

## 常見問題

### 模型卡如何幫助評估模型的公平性？

模型卡透過要求詳細報告模型在不同人口統計學子群體（例如性別、種族、年齡）上的性能指標（如準確率、精確度、召回率），來幫助評估模型的公平性。它促使開發者主動分析模型是否存在歧視性表現，例如在某個群體上的錯誤率顯著高於其他群體。透過這些透明的數據，利益相關者可以識別潛在的公平性問題，並採取措施進行模型改進或制定緩解策略。

### 模型卡對於模型部署有何重要性？

模型卡對於模型部署至關重要，它為決策者提供了模型在實際應用中行為的全面理解。在部署前，模型卡能夠幫助評估模型的適用範圍、潛在風險和局限性，確保模型被用於其設計的預期用途。它還能指導使用者如何正確操作模型，並在模型行為異常時提供排查線索，從而降低部署風險，提升模型的可靠性和可信賴性。

### 模型卡與模型可解釋性（XAI）的關係？

模型卡與模型可解釋性（XAI）是互補的。模型卡提供模型的高層次概覽和總結，包括其預期用途、性能和限制。而 XAI 技術則深入探究模型內部的決策過程，解釋模型為何做出特定預測。模型卡可以引用或總結 XAI 分析的結果，例如，說明模型在特定情況下做出錯誤判斷的原因，或哪些特徵對模型的決策影響最大。兩者結合使用，能更全面地提升 AI 系統的透明度和使用者信任。

---

來源：https://aiterms.tw/terms/model-card
快查頁：https://aiterms.tw/terms/model-card
最後更新：2026/07/04
深度解說：https://aiterms.tw/learning/what-is-model-card