AIGen: Automating AI Bill of Materials Generation Through Hybrid MLOps Integration
作者: Federica Pepe, Daniele Bifolco, Costantino Martignetti, Aureliano D'Amici, Fabiano Izzo, Damian A. Tamburri, Massimiliano Di Penta
分类: cs.LG
发布日期: 2026-07-29
期刊: 41st IEEE/ACM International Conference on Automated Software Engineering (ASE26) Munich, Germany during October 12-16, 2026
🔗 代码/项目: GITHUB
💡 一句话要点
提出AIGen以自动生成符合标准的AI材料清单
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: AI材料清单 自动化生成 模块化设计 MLOps 合规性管理
📋 核心要点
- 现有工具缺乏自动生成符合SPDX标准的AI材料清单的能力，导致AI系统的文档化工作繁重且不一致。
- AIGen通过结合MLflow框架与大型语言模型，提供了一种模块化的解决方案，支持多种AI框架的扩展。
- AIGen的设计使其能够满足多个国际标准的合规要求，提升了AI系统组件的透明度和可追溯性。
📝 摘要（中文）
人工智能（AI）系统的负责任开发与部署需要对其组成部分进行严格的文档记录，例如数据集、模型权重、训练管道和运行时依赖项。尽管软件包数据交换（SPDX）3.0标准引入了对AI和数据集配置文件的原生支持，但能够以自动化和可扩展的方式生成符合标准的AI材料清单（AIBoMs）的实用工具仍然稀缺。本文提出了AIGen，一个模块化的AIBoM生成器，能够生成符合SPDX 3.0 AI配置文件的机器可读、可互操作的AI系统组件清单。AIGen基于MLflow MLOps框架，结合挖掘启发式和大型语言模型生成AIBoMs。插件接口允许从业者在不修改核心代码库的情况下扩展工具，支持Hugging Face、PyTorch和TensorFlow等异构AI框架。AIGen旨在促进遵循欧盟AI法案、NIST AI风险管理框架和ISO/IEC 42001，为透明、负责任的AI供应链治理提供具体、可重用的基础。
🔬 方法详解
问题定义：本文旨在解决现有工具在生成符合SPDX标准的AI材料清单方面的不足，尤其是缺乏自动化和可扩展性的问题。
核心思路：AIGen通过结合机器学习操作（MLOps）框架MLflow与大型语言模型，提供了一种灵活的模块化生成方式，使得用户能够根据需要扩展功能。
技术框架：AIGen的整体架构包括数据收集模块、生成模块和插件接口。数据收集模块负责从不同AI框架中提取信息，生成模块则利用语言模型生成符合标准的清单，插件接口允许用户添加特定领域的收集器。
关键创新：AIGen的主要创新在于其模块化设计和插件接口，使得用户可以在不修改核心代码的情况下，针对特定需求进行扩展，这在现有工具中是较为罕见的。
关键设计：AIGen采用了灵活的插件架构，支持Hugging Face、PyTorch和TensorFlow等多种框架，确保了其广泛的适用性和可扩展性。
🖼️ 关键图片
📊 实验亮点
AIGen在生成符合SPDX 3.0标准的AI材料清单方面表现出色，能够自动化处理多种AI框架的数据，显著提升了文档生成的效率和准确性。具体性能数据尚未披露，但其模块化设计和灵活性为用户提供了极大的便利。
🎯 应用场景
AIGen的潜在应用领域包括AI系统的开发、合规性检查和供应链管理。通过提供标准化的材料清单，AIGen能够帮助企业更好地管理AI项目，确保其符合相关法规和标准，提升透明度和责任感。
📄 摘要（原文）
The responsible development and deployment of artificial intelligence (AI) systems requires rigorous documentation of their constituent artifacts, e.g., datasets, model weights, training pipelines, and runtime dependencies. Although the Software Package Data Exchange (SPDX) 3.0 standard introduced native support for AI and dataset profiles, practical tooling capable of generating standards-compliant AI Bills of Materials (AIBoMs) in an automated and extensible manner remains scarce. This paper presents AIGen, a modular AIBoM generator that produces machine-readable, interoperable inventories of AI system components that comply with the SPDX 3.0 AI profile. AIGen works on top of the MLflow MLOps framework and combines mining heuristics with Large Language Models to generate AIBoMs. A plugin interface allows practitioners to extend the tool with domain-specific collectors without modifying the core codebase, supporting heterogeneous AI frameworks such as Hugging Face, PyTorch, and TensorFlow. AIGen is designed to facilitate compliance with the European Union AI Act, the NIST AI Risk Management Framework, and ISO/IEC 42001, providing a concrete, reusable foundation for transparent, accountable AI supply chain governance. Tool URL: https://github.com/danielebifolco/AIGen Tool Video: https://youtu.be/_nAbXDWfVL4