用途：为构建可信、公平、合乎伦理的AI系统提供资源合集，适合从事AI安全、对齐研究以及在高风险领域部署模型的研究者参考。
主要能力范围：
- 公平性：偏见检测（数据、模型、结果）、公平性指标（人口统计均等、机会均等）、偏见缓解（前/中/后处理）、交叉公平性。
- 可解释性：特征归因（SHAP、LIME、IG）、概念方法（TCAV、概念瓶颈）、反事实解释、机制可解释性。
- 隐私：差分隐私、联邦学习、成员推断攻击、机器遗忘。
- 鲁棒性：对抗攻击与防御、分布偏移、不确定性量化、分布外检测。
- 安全与对齐：RLHF与偏好学习、宪法AI、红队测试、护栏与过滤。
- 治理：模型卡、数据集数据表、AI影响评估、法规合规（欧盟AI法案）。
收录工具：Fairlearn（公平性评估与缓解）、AI Fairness 360（IBM公平性工具包）、SHAP（Shapley值解释）、Captum（PyTorch可解释性）、Opacus（PyTorch差分隐私）、ART（对抗鲁棒性工具箱）、Alibi（模型解释）。
使用方式：资料给出Fairlearn的公平性评估示例，用from fairlearn.metrics import MetricFrame导入，结合sklearn的accuracy_score、recall_score，通过MetricFrame按敏感特征分组计算指标，输出overall、by_group与difference()（最大减最小）。
阅读路线图：基础包括《Fairness and Machine Learning》《Datasheets for Datasets》《Model Cards for Model Reporting》；公平性包括《On Fairness and Calibration》《Fairness Through Awareness》；可解释性包括SHAP统一解释方法与LIME《Why Should I Trust You?》；安全包括《Constitutional AI》《Red Teaming Language Models》《Scaling Monosemanticity》。
适用场景：偏见审计、合规（欧盟AI法案）、模型文档、研究伦理、课程材料。
限制：资料未提供安装命令、具体版本、性能数据、收费方式或平台限制，相关内容暂未提供。