AI Verify est un cadre de test de gouvernance de l'IA open source et un ensemble d'outils logiciels dirigés par la Fondation AI Verify sous l'IMDA à Singapour. Il comprend l'AI Verify Testing Framework (11 cadres internationaux d'évaluation des principes de gouvernance de l'IA), l'AI Verify Toolkit (outil de test de modèle d'IA traditionnel) et le Project Moonshot (boîte à outils d'évaluation LLM et de test de l'équipe rouge), couvrant les besoins en matière de tests de conformité du ML traditionnel à l'IA générative.

AIVérifier

Paramètres et statistiques de base

AI Verify est un cadre de test de gouvernance de l'IA open source et un ensemble d'outils logiciels dirigés par la Fondation AI Verify sous la Singapore Infocomm Media Development Authority (IMDA). Il ne s'agit pas d'un produit unique, mais se compose de trois niveaux de fonctionnalités : AI Verify Testing Framework (cadre de gouvernance), AI Verify Toolkit (logiciel de test d'IA traditionnel) et Project Moonshot (boîte à outils d'évaluation LLM).

Projets	Informations publiques
Positionnement officiel	Cadre de test de gouvernance de l'IA et boîte à outils logicielle
Nature de l'organisation	Filiale à but non lucratif en propriété exclusive d'IMDA
Licence Open Source	Apache2.0
Principes de gouvernance	11 principes internationaux de gouvernance de l'IA
Dernière version de la boîte à outils	2.2.1 (2026-03-23, versions GitHub)
Dernière version de Moonshot	0.7.6 (05/02/2026, versions GitHub)
GitHub Stars (boîte à outils)	79 étoiles, 24 fourchettes, 20 contributeurs
Étoiles GitHub (Moonshot)	337 étoiles, 65 fourchettes, 20 contributeurs
Framework publié pour la première fois	2022-05-25 (MVP)
Mise à jour du cadre GenAI	2025-05-29
Plateforme d'assistance	Web, API, ordinateur de bureau

Contexte organisationnel : La Fondation AI Verify est une filiale en propriété exclusive de l'agence gouvernementale de Singapour IMDA, ce qui signifie que son cadre de gouvernance est naturellement cohérent avec la politique de gouvernance de l'IA de Singapour (ainsi qu'avec les cadres américains et européens qui la comparent) et convient aux entreprises multinationales ayant des besoins de conformité transfrontalière.

Stratégie à deux outils : AI Verify Toolkit couvre les modèles d'apprentissage supervisé traditionnels (classification/régression, données tabulaires/images) et Project Moonshot couvre l'évaluation LLM et les tests de l'équipe rouge. Les deux sont complémentaires mais ne se chevauchent pas. Les entreprises doivent choisir la chaîne d'outils correspondante en fonction de leurs propres types d'actifs d'IA.

Échelle communautaire : Les deux entrepôts principaux totalisent environ 416 étoiles. L'échelle est petite mais la plupart des contributeurs proviennent de l'équipe officielle de l'IMDA et d'institutions gouvernementales. Il s’agit d’une source ouverte dirigée par le gouvernement plutôt que d’un type de croissance spontanée de la communauté.

Reconnaissance des utilisateurs et du marché

La reconnaissance d'AI Verify sur le marché se reflète principalement dans les deux niveaux de coopération intergouvernementale et de participation des entreprises multinationales, plutôt que dans l'enthousiasme spontané de la communauté.

Analyse comparative intergouvernementale : le cadre de test AI Verify a réalisé une cartographie croisée (Crosswalk) avec des cadres internationaux tels que le US NIST AI RMF, l'EU AI Act, l'OCDE et le processus du G7 d'Hiroshima. En mai 2025, une nouvelle version de Crosswalk avec le profil AI génératif NIST AI RMF a été publiée. Cela signifie que les entreprises utilisant AI Verify peuvent réduire le coût des évaluations en double lorsqu'elles doivent répondre à des exigences de conformité multi-juridictionnelles.

Participation des entreprises : les membres Premier incluent AWS, Dell, Google, IBM, Microsoft, Salesforce, Red Hat, Resaro, etc. Les membres généraux incluent Ant Group Temus, ACCA, etc., couvrant plusieurs secteurs tels que la technologie, la finance et l'audit. Ces membres fournissent non seulement un soutien financier, mais participent également directement au développement d'outils et à l'établissement de normes de test.

Vérification pilote : le projet pilote Global AI Assurance lancé en février 2025 a attiré plus de 100 participants issus de plus de 30 organisations, couvrant les tests réels des applications GenAI dans plusieurs secteurs, de la finance aux soins médicaux. Il sera mis à niveau vers Global AI Assurance Sandbox en juillet 2025 pour continuer à étendre l'écosystème de test.

Avis d'utilisateurs : X0PA (plateforme de recrutement d'IA) évalue la boîte à outils comme « fournissant un cadre solide pour évaluer et améliorer l'équité des systèmes d'IA », Dell affirme qu'elle « fournit un cadre unifié permettant aux organisations de parvenir à des systèmes honnêtes, justes et équitables », et Singapore Airlines estime qu'il s'agit d'« un excellent point de départ pour l'auto-évaluation des systèmes d'IA ».

Avantage de coût

La structure des coûts d’AI Verify est directement liée à son contexte gouvernemental, ce qui la rend très différente des outils commerciaux de gouvernance de l’IA.

C-side/Individuel : les versions PDF et Excel d'AI Verify Testing Framework peuvent être téléchargées et utilisées gratuitement. Project Moonshot et AI Verify Toolkit sont tous deux open source Apache 2.0 sans aucun frais de licence. Les développeurs individuels ou les petites équipes peuvent le cloner et l'utiliser directement depuis GitHub.

API/Développeurs : Project Moonshot fournit des bibliothèques Python (pip install aiverify-moonshot[all]), une API Web et une CLI, entièrement gratuites. Les développeurs doivent supporter le coût des appels d'API LLM (le coût d'inférence encouru par la connexion du modèle cible lors de l'évaluation) et les coûts d'infrastructure (tels que les serveurs GPU). AI Verify Toolkit doit être déployé et exécuté localement ou au sein de l’entreprise.

Entreprise/Privé : tous les outils prennent en charge le déploiement auto-hébergé, sans frais de licence logicielle. Les coûts réels pour les entreprises se concentrent sur : la main-d'œuvre de déploiement, d'exploitation et de maintenance, les frais d'appel d'API du modèle d'IA pour la préparation des données de test et les coûts d'application du cadre d'apprentissage de l'équipe de conformité. Pour les entreprises qui exigent des tests et une certification par des tiers, le programme d'accréditation des testeurs d'IA (lancé en mai 2026) fournit une liste de fournisseurs de services de tests officiellement reconnus. Les honoraires d'audit correspondants sont soumis au devis du prestataire.

La vérité gratuite : il est vrai que l'open source n'entraîne aucun frais de licence, mais les coûts cachés impliqués dans la mise en œuvre complète du cadre AI Verify, tels que la formation du personnel, la construction du contexte de test et la surveillance continue de la conformité, ne peuvent être ignorés. Par rapport aux plates-formes commerciales de gouvernance de l'IA (telles que IBM AI Governance, Google Vertex AI Governance), AI Verify a des coûts explicites inférieurs, mais nécessite des capacités techniques internes et une maturité de gouvernance plus importantes.

Fonctions principales

Les fonctionnalités principales d'AI Verify sont organisées en une structure à trois couches, chaque couche étant confrontée à différents rôles d'utilisation :

• AI Verify Testing Framework (couche de cadre de gouvernance) : fournit une méthode d'évaluation structurée pour 11 principes internationaux de gouvernance de l'IA. Chaque principe contient une structure progressive à quatre niveaux : Principe → Résultat → Processus → Preuve. Le cadre peut être utilisé indépendamment en téléchargeant des formulaires PDF/Excel, ou combiné avec Toolkit ou Moonshot pour générer des rapports de conformité. Idéal pour les équipes de conformité et les auditeurs.

• AI Verify Toolkit (couche de test d'IA traditionnelle) : pour les modèles de classification et de régression d'apprentissage supervisé, il fournit des tests techniques tels que l'équité (détection de biais), la robustesse (corruption d'image/échantillons contradictoires), l'interprétabilité (valeur SHAP) et la sécurité (test de fuite de données). Prend en charge les données de tableau et les données d'image, et des rapports personnalisés peuvent être générés une fois le test terminé. La version actuelle 2.2.1 intègre également la suite de tests de conformité financière Veritas pour répondre aux exigences de base de sécurité du MAS.

• Projet Moonshot (couche d'évaluation LLM) : fournit plus de 100 ensembles de données de référence open source, couvrant des évaluations multidimensionnelles telles que les performances (précision BLEU), la sécurité fiable (biais, toxicité, hallucination), etc. Prend en charge les attaques automatisées de l'équipe rouge (basées sur des stratégies algorithmiques basées sur la recherche combinées à un LLM génératif pour générer des indices contradictoires) pour effectuer des tests sur plusieurs points de terminaison LLM simultanément. Fournit des rapports interactifs HTML et une exportation de données brutes JSON, prenant en charge l'intégration du pipeline CI/CD. Version actuelle 0.7.6.

Lien caché : les trois couches ne fonctionnent pas indépendamment : les résultats de l'évaluation de la couche cadre peuvent être directement mappés aux éléments de test technique de Toolkit/Moonshot, et le rapport de test peut vérifier à l'envers la déclaration de conformité de la couche cadre. Par exemple, l'équipe de conformité utilise d'abord le cadre pour effectuer un auto-examen au niveau des principes, puis le transmet à l'équipe d'ingénierie pour qu'elle utilise Moonshot pour effectuer des tests spécifiques de l'équipe rouge. Les données de test finales remplissent automatiquement le rapport-cadre, formant un lien entre la gestion et la technologie.

Evolution du modèle et de la version

Les informations pertinentes n'ont pas été rendues publiques, veuillez vous référer à la page officielle en temps réel.

Avantages techniques

L'avantage technique d'AI Verify vient de la combinaison de « la cohérence du cadre au niveau gouvernemental + la couverture de la chaîne d'outils open source » plutôt que d'un seul paramètre de performance.

Alignement du cadre : le cadre de test AI Verify a été transposé aux principes fondamentaux du NIST AI RMF, de la norme ISO 42001 et de l'EU AI Act. Cela signifie que lorsqu'une entreprise utilise AI Verify pour effectuer des évaluations de conformité, ses résultats peuvent être partiellement réutilisés pour gérer des examens de conformité dans d'autres juridictions, réduisant ainsi le coût des évaluations répétées. Le mécanisme est que les documents Crosswalk marquent clairement l’équivalence conceptuelle entre les cadres, plutôt que de simplement déclarer leur alignement.

La double chaîne d'outils couvre tous les modes : Toolkit couvre le modèle table/image du ML traditionnel, et Moonshot couvre le modèle texte/dialogue du LLM. Les deux sont unifiés dans la méthodologie de test mais indépendants dans la mise en œuvre technologique. Cette segmentation évite d'appliquer les méthodes de test ML traditionnelles aux scénarios LLM et empêche une chaîne d'outils unique d'être trop étendue.

Architecture modulaire (2.0+) : Toolkit 2.0 est refactorisé en une architecture à cinq composants d'apigw (passerelle API), de portail (portail frontal), de moteur de test (moteur de test), de moteur de test (nœud de travail de test) et de bibliothèque partagée (bibliothèque partagée). Les algorithmes de test s'exécutent en tant que modules Python indépendants qui peuvent être développés, déployés et mis à jour indépendamment sans bloquer le cycle de publication global.

Capacités automatisées de l'équipe rouge : Moonshot automatise partiellement les tests de l'équipe rouge qui reposent traditionnellement sur un travail manuel et utilise des stratégies algorithmiques (telles que la génération contradictoire basée sur un gradient/des règles) et la génération de cas de test génératifs assistée par LLM pour réaliser des tests d'attaque parallèles sur plusieurs points de terminaison LLM. C’est la principale capacité de différenciation de Moonshot par rapport aux purs outils d’analyse comparative.

Rappel de scénario applicable : La flexibilité apportée par le haut alignement du framework signifie également qu'il n'est pas aussi profond que les solutions spécialisées. La détection de types spécifiques de biais d’IA ou de vulnérabilités de sécurité peut devoir être complétée par des outils spécialisés tels que le cadre d’évaluation du jailbreak d’Anthropic, Meta’s Purple Llama.

Comment utiliser

L’entrée d’utilisation d’AI Verify est divisée en trois chemins en fonction de différents rôles et objectifs de test :

Comment utiliser	Convient à la foule	Opérations de base	Coût
Documentation du cadre de test	Équipes de conformité, auditeurs	Téléchargez PDF/Excel, effectuez un auto-examen selon 11 principes et générez un rapport d'alignement	Gratuit
Boîte à outils de vérification de l'IA	Ingénieur ML Data Scientist	Déployez le contexte local, chargez des modèles et des ensembles de données, exécutez des tests d'équité/robustesse et exportez des rapports	Gratuit et open source, vous devez préparer votre propre infrastructure
Projet Moonshot	Développeur LLM, équipe de sécurité	pip install aiverify-moonshot[all], connectez-vous aux points de terminaison LLM, exécutez des tests de performance ou des attaques par équipe rouge, générez des rapports HTML	Gratuit et open source, des frais d'appel API LLM sont requis

Démarrez rapidement avec Project Moonshot :

# Installer Moonshot
pip install "aiverify-moonshot[all]"

# Cloner les actifs de test et l'interface utilisateur Web
python -m moonshot -i moonshot-data -i moonshot-ui

# Démarrer l'interface utilisateur Web
python -m moonshot web
# Ouvrez le navigateur http://localhost:3000/

# Ou démarrez la CLI interactive
python -m moonshot cli interactif

Chemin de mise en œuvre typique : L'équipe de conformité télécharge d'abord le PDF du cadre et effectue un auto-examen au niveau des principes → identifie le système d'IA qui nécessite une vérification technique → l'équipe ML utilise Toolkit pour exécuter le test d'équité/robustesse du modèle traditionnel → l'équipe LLM utilise Moonshot pour effectuer des analyses comparatives et des tests de l'équipe rouge → remplit le rapport du cadre avec les résultats des tests → génère un rapport complet de conformité AI Verify.

Prix des produits

Tous les outils de base d'AI Verify sont open source sous la licence Apache 2.0, et les informations publiques sur les prix sont les suivantes :

• Développeurs côté C/individuels : les documents du framework sont téléchargeables gratuitement, et Toolkit et Moonshot sont entièrement open source et gratuits. Pour un usage personnel, le coût réel correspond uniquement aux frais d'appel de l'API LLM (au moment de l'examen Moonshot) et à l'infrastructure informatique.
• Auto-hébergement en équipe/entreprise : il n'y a aucun frais de licence pour le logiciel, et le coût est concentré sur le déploiement et l'exploitation (Docker/K8), le stockage et les ressources informatiques. Le déploiement de Toolkit nécessite un serveur avec au moins 4 cœurs et 16 Go de RAM.
• Tests et certification tiers : le programme d'accréditation des testeurs AI (lancé en mai 2026) fournit des fournisseurs de services de tests tiers officiellement reconnus. Les frais d'audit et de certification correspondants sont soumis au devis du prestataire. Le prix de référence officiel n'est pas divulgué.
• Membre de la Fondation : Les entreprises peuvent obtenir des sièges d'influence stratégique et de gouvernance en rejoignant la Fondation AI Verify. Les frais d'adhésion sont soumis aux communications commerciales officielles et le prix standard n'est pas divulgué.

Comparaison des solutions commerciales : par rapport aux plates-formes commerciales telles que IBM AI Governance (facturées en fonction du volume d'actifs) et Google Vertex AI Governance (facturées en fonction du nombre d'évaluations), le coût logiciel d'AI Verify est nul, mais il nécessite que les entreprises disposent de capacités d'auto-déploiement et d'auto-exploitation plus fortes. Le coût total de possession (TCO) dépend du compromis entre la main-d'œuvre interne et les frais d'abonnement à la plateforme commerciale.

Scénarios d'application

Les scénarios de mise en œuvre typiques d’AI Verify se concentrent dans les secteurs réglementés qui doivent répondre aux exigences de conformité et de sécurité de l’IA :

• Conformité de l'IA dans le secteur financier : les banques, les assurances et autres institutions financières réglementées par MAS peuvent utiliser la suite Veritas dans AI ​​Verify Toolkit pour vérifier l'équité et la sécurité de la notation de crédit, de la lutte contre la fraude et d'autres modèles afin de respecter les directives de gouvernance de l'IA du MAS. En combinaison avec le cadre, complétez la documentation à lien complet, des principes aux preuves pour répondre aux inspections réglementaires.

• LLM Security Benchmarking et Red Teaming : les entreprises utilisent le projet Moonshot pour effectuer des analyses comparatives (biais, toxicité, hallucinations) et des attaques automatisées de red teaming sur des modèles de base et affinés avant de déployer des applications d'IA génératives. Le rapport HTML de Moonshot peut directement servir de base à l’examen des risques du comité de sécurité de l’IA. Le véritable avantage réside dans le passage des équipes rouges humaines de « l’exécution à la demande » à « l’intégration continue ».

• Alignement transfrontalier de la gouvernance de l'IA : les entreprises singapouriennes ayant des activités aux États-Unis et en Chine peuvent utiliser la cartographie croisée du AI Verify Framework avec le NIST AI RMF et la norme ISO 42001. Un ensemble de résultats d'évaluation peut répondre simultanément aux exigences de conformité à plusieurs endroits et réduire la duplication des travaux d'évaluation parallèles. Dans la pratique, un examen supplémentaire est encore nécessaire pour tenir compte des différences entre les lois et réglementations locales.

• Acceptation des achats d'IA du gouvernement et du secteur public : lorsque les agences gouvernementales achètent des systèmes d'IA, elles peuvent répertorier le rapport de conformité AI Verify comme l'un des livrables du fournisseur comme base quantifiable d'acceptation. Le gouvernement de Singapour promeut déjà cette pratique.

Personnes concernées

La conception multicouche d'AI Verify lui permet de remplir trois types de rôles principaux, chacun se concentrant sur différents niveaux de capacités :

• Équipe de conformité et de contrôle des risques : nécessité de construire un cadre de gouvernance de l'IA et de répondre aux inspections réglementaires. Utilisez principalement le processus d'auto-examen en 11 principes du cadre de test et les documents de cartographie Crosswalk pour produire des rapports de conformité. La condition préalable est d'avoir des connaissances de base en matière de gouvernance de l'IA et de comprendre les exigences réglementaires (telles que la loi européenne sur l'IA et les lignes directrices MAS).

• Ingénieurs IA/ML et Data Scientists : Nécessité de vérifier la sécurité technique du modèle. Les scénarios de ML traditionnels utilisent AI Verify Toolkit pour les tests d'équité et de robustesse ; Les scénarios LLM utilisent le projet Moonshot pour l'analyse comparative et les tests de l'équipe rouge. Le prérequis est la connaissance de l'environnement de déploiement de modèles et de la chaîne d'outils Python/Pip.

• Agence tierce d'audit et de test : fournit des services d'audit indépendants en matière d'IA. Vous pouvez utiliser le programme d'accréditation AI Tester pour obtenir des qualifications officiellement reconnues et utiliser la chaîne d'outils AI Verify pour effectuer des tests standardisés et émettre des rapports de certification pour les clients.

Ne convient pas aux limites : AI Verify ne convient pas aux équipes qui ont besoin de stratégies de sécurité originales profondément personnalisées (le cadre fournit des directives générales plutôt que des solutions spécialisées) ; il ne convient pas aux organisations qui n’ont aucune connaissance de la gouvernance de l’IA et des processus internes (la mise en œuvre de l’outil nécessite la coopération de la maturité organisationnelle) ; il ne convient pas non plus aux scénarios de détection rapide qui ne nécessitent qu'une seule dimension (comme par exemple tester uniquement l'illusion LLM, les outils spécifiques à la communauté sont plus légers).

Résumé et Outlook

La valeur fondamentale d’AI Verify est qu’il s’agit d’un système de test de gouvernance de l’IA rare, dirigé par des agences gouvernementales et entièrement open source. Il est basé sur 11 principes de gouvernance alignés au niveau international en tant que couche supérieure et couvre un cycle d'évaluation complet des principes à la technologie à travers deux chaînes d'outils : Toolkit (IA traditionnelle) et Moonshot (LLM). Pour les entreprises réglementées qui doivent faire face à des exigences de conformité transfrontalières, il propose une voie « un ensemble d'évaluations, réutilisation à plusieurs endroits ».

Limites actuelles : la taille de la communauté de la chaîne d'outils est beaucoup plus petite que celle des concurrents commerciaux (les deux entrepôts principaux totalisent environ 416 étoiles), la documentation et le support technique reposent sur l'équipe officielle IMDA, et la vitesse de réponse aux problèmes et d'itération des fonctions n'est pas aussi rapide que celle de la plate-forme commerciale de gouvernance de l'IA en évolution rapide. Moonshot est encore en version bêta et sa stabilité doit être vérifiée avant un déploiement à grande échelle dans un environnement de production. Le modèle d’auto-évaluation de Framework repose naturellement sur l’honnêteté organisationnelle et manque de mécanismes de vérification indépendants (cette lacune est comblée par le programme d’accréditation des testeurs d’IA).

Suggestions de mise en œuvre : Il est recommandé d'utiliser Framework PDF pour effectuer une série d'auto-examens rapides au niveau des principes en interne (environ 1 à 2 semaines) afin d'identifier les priorités des systèmes d'IA qui nécessitent réellement une vérification technique, puis de sélectionner la chaîne d'outils correspondante (Toolkit ou Moonshot) pour effectuer des tests techniques sur 1 à 2 systèmes pilotes. Avant d'acheter Moonshot/Toolkit, les entreprises doivent se concentrer sur la vérification : de la correspondance entre les données de test et leurs propres scénarios, de la capacité du module Red Team à couvrir les risques spécifiques à l'entreprise et du degré d'acceptation du rapport Framework dans la juridiction réglementaire cible.

Outils associés : originality-ai, gptzero

Evolution de la version d'AI Verify

L'évolution de la version d'AI Verify suit deux gammes de produits, ainsi que des itérations du framework lui-même.

Ligne principale de la boîte à outils AI Verify

• 2.2.1 (2026-03-23) : La dernière version stable, y compris les corrections de bogues et les mises à jour des plug-ins, est recommandée pour une utilisation en production.
• 2.0.0 (~2025) : version de reconstruction d'architecture, divisée d'une application unique en une architecture modulaire (apigw, portail, moteur de test, test-engine-worker, bibliothèque partagée), introduisant un mécanisme d'exécution d'algorithme de test indépendant et l'intégration de la conformité financière Veritas.
• 1.0 (2022-05-25) : MVP publié, prenant en charge les tests de base d'équité et de robustesse des modèles ML traditionnels.

Ligne principale du projet Moonshot

• 0.7.6 (2026-02-05) : La dernière version prend en charge les améliorations de l'interface utilisateur Web intégrées au kit de démarrage IMDA et les améliorations du module Red Team.
• 0.1.0 (31/05/2024) : Première version publique, positionnée comme « l'une des premières boîtes à outils d'évaluation LLM au monde ».
• Le projet est encore en phase bêta, avec une fréquence d'itération d'environ 1 à 2 versions par mois, et il existe 26 versions sur GitHub.

Jalons du cadre

• 2022-05-25 : MVP du cadre de test AI Verify publié pour les pilotes internationaux.
• 07/06/2023 : Le framework et la boîte à outils sont entièrement open source et la Fondation AI ​​Verify est créée.
• 2023-10-13 : version de cartographie croisée avec US NIST AI RMF.
• 2024-05-31 : publication du projet Moonshot et publication du modèle de gouvernance de l'IA pour GenAI.
• 2025-05-29 : La version améliorée du cadre est publiée, couvrant officiellement l'évaluation GenAI et ajoutant une cartographie croisée avec le profil NIST GenAI, Hiroshima Process CoC et ISO 42001.
• 2026-05-18 : Le programme d'accréditation des testeurs d'IA a été lancé pour établir un système tiers de test et de certification de l'IA.

Informations de version

• Boîte à outils de vérification d'IA 2.2.1 ：La dernière version stable d'AI Verify Toolkit, réécrite sur la base d'une architecture modulaire, prend en charge le fonctionnement du module d'algorithme de test indépendant, un moteur de test back-end repensé, une nouvelle version du flux de travail frontal, l'intégration de la conformité financière Veritas et une prise en charge améliorée des tests de vision par ordinateur. （2026-03-23）
• Boîte à outils de vérification AI 2.0.0 ：Mise à niveau majeure de l'architecture, adoption d'une conception modulaire, introduction d'un moteur d'algorithme de test indépendant, d'un nouveau flux de travail frontal et intégration de la suite de tests de conformité financière Veritas. Il n’y a pas encore de date officielle précise. （~2025）
• Projet Moonshot 0.7.6 ：La dernière version du projet Moonshot (boîte à outils d'évaluation LLM) prend en charge plus de 100 ensembles de données de référence, l'interface utilisateur Web du module d'attaque automatisé de l'équipe rouge et la génération de rapports intégrés CI/CD avec interface CLI à double opération. （2026-02-05）
• AI Vérifier MVP ：Le cadre de test et la boîte à outils logiciels AI Verify ont été publiés pour la première fois sous la forme de MVP, sollicitant des pilotes et des commentaires de la communauté internationale, et ont été lancés conjointement par l'IMDA et le PDPC. （2022-05-25）