MRM 体制变更 (OCC 2026-13)

阶段: B16 · 治理一页纸 + AI 原型 + 可用性（Day 151-160） 标签: #model-risk-management #occ-2026-13 #effective-challenge #ai-governance

今日导引（由浅入深）

B1→B15 我们一路从「能跑评测」（B7 eval gate）走到「能对抗、能 HITL、能算 κ」（B14-B15 FIS×Anthropic 模式 + 对抗/HITL 套件）。但一个能跑分的 harness 不等于一个能过监管审查的系统——这正是 B16 的位置：把已建的技术能力套进真实的模型风险治理框架，让它能被「有效挑战」。今天是 B16 第一砖：监管底座从废止的 SR 11-7 换成 OCC Bulletin 2026-13，并诚实指出本仓最大的合规杀伤点——evalBaseline.ts 的自评闭环违反「有效挑战」原则。今天的最小可判定产出：docs/AML_GOVERNANCE_MAP.md 含 OCC 2026-13 三控制域骨架 + 已核验日期。

1. 机理精读

模型风险管理 (MRM) 的元老指引正式换代。 美国银行业监管中统治了十余年的 SR 11-7（"Guidance on Model Risk Management"）已于 2026-04-17 正式废止，监管转向 OCC Bulletin 2026-13 的「原则化、风险匹配」框架。这是一次范式而非细节的变更：

• SR 11-7 时代倾向于一套统一的验证清单——不论模型大小都套同一套检查项。
• OCC 2026-13 不再强制统一清单，而要求机构按模型风险等级自定控制强度——高风险模型上重控，低风险模型上轻控。
• 举证责任转移：由机构自证其控制与风险匹配，监管者据此「有效挑战」。这对一个会写 SAR 草稿的 AML LLM 是利空——它落在高风险一端，要求更强的独立验证。

三栏内核没变，只是更原则化。 不论 SR 11-7 还是 OCC 2026-13，MRM 的三栏支柱仍是：

1. 模型清单 (inventory)——你得知道自己有哪些模型在跑、各自版本号、负责人、用途。
2. 独立验证 (validation)——必须有独立于开发者的角色去验证模型，覆盖概念合理性、数据、输出、监控。
3. 有效挑战 (effective challenge)——这是最锋利的一条：验证者要有能力、独立性、地位去真正质疑模型，而不是橡皮图章。「独立性」是关键词：验证者必须独立于被验证的模型与其作者。

为什么这条对本仓是杀伤点。 本仓的 src/aml/evalBaseline.ts 是一个循环自评结构——同一套规则引擎既出预测、又用同作者写的合成生成器当金标来打分。在 MRM 语义下这一步一步都犯规：

• 角色未分离：被验证者自己当了验证者，violates「有效挑战」要求的独立性。
• 数据未独立：金标来自同作者的合成生成器，预测的盲区与金标的盲区同源，错误会相互抵消而非暴露。
• GenAI 放大：LLM-as-judge 若与被测同源、同 prompt、同温度，会系统性高估自身表现——偏差有方向，不是随机噪声。

所以 OCC 2026-13 对本仓的整改指令很明确：把自评结果从「独立验证证据」里剔除，改用独立的金标 + 独立裁判（Day 154-155 用 cohensKappa.ts 独立 harness 量化裁判与人工金标的一致性来替换）。

「有效挑战」具体长什么样——一个审查人会问的四问。 effective challenge 不是抽象口号，它是一组可被预演的尖锐问题。把自己当 OCC 审查人，对本仓 SAR 生成器至少会问：

1. 数据流：SAR 草稿引用的交易从哪来？是否可溯源到真实案件交易集（防 hallucination）？
2. 评测：你用什么金标证明它判得准？金标是否独立于被测（不是自己生成自己评）？
3. 成本/可监控：单 case 成本与时延有没有持续监控、退化能否被 gate 拦住？
4. 为什么这样设计：为什么 SAR 必须人审、为什么 OFAC 是硬停而非软提示？

本仓对这四问的答案分别落在 groundTruthEval.ts / cohensKappa.ts / gate.ts / hitl.ts——能逐条指认证据文件，才算经得起「有效挑战」。

与相邻概念的边界。 MRM 管的是「模型本身的风险与验证」，它与即将到来的 EU AI Act（Day 152，管透明度/披露/高风险分级）、NIST 600-1（Day 153，管 GenAI 专属 12 类风险）是互补而非重叠的三套框：MRM 偏「内部模型治理流程」，AI Act 偏「面向用户/市场的合规义务」，NIST 偏「风险清单与控制映射」。Day 154 的任务正是把三套收敛成一页。

SR 11-7 → OCC 2026-13 关键差异速查。

资源出处：OCC Bulletin 2026-13 "Model Risk Management" (2026-04)；SR 11-7 rescinded 2026-04-17。

2. 推导 / 手算 / 代码走读

本日是治理映射工作，引用了两个「模型」的代码证据。逐条走读真实符号：

• 「模型」(1) — agent harness 的 fail-closed gate：src/agent/eval/gate.ts 的 checkGate(current, baseline, thresholds)。它的核心不变量写在源文件注释里：「A gate must FAIL CLOSED」——若某阈值已配置但当前指标缺失或非有限（NaN/Infinity），直接记 violation，绝不静默放绿。代码里对 completionRate / judgeHumanKappa / unknownRate 三个指标都先用 Number.isFinite 守卫，再比基线。这对应 MRM 的「持续监控」一栏：指标退化即拦截。
• checkGate 的 judgeHumanKappa 分支：当 thresholds.minKappa 配了，而 current.judgeHumanKappa 不是有限值，就记一条 violation（'judgeHumanKappa absent or non-finite (minKappa configured)'）。这把「裁判必须被校准过」做成了硬门——直接呼应 MRM 的有效挑战：没有 κ 就没有独立验证证据。
• 「模型」(2) — SAR 生成器的 HITL 约束：src/aml/hitl.ts 的状态机 draft → pending_review → approved → filed。file(r, now) 只允许从 'approved' 状态报送，否则抛 'SAR can only be filed after human approval (HITL gate)'；approve(r, officer, now) 要求前置状态为 'pending_review'，否则抛 'cannot approve ... (needs human review first)'；canAutoFile() 返回类型级 false，任何调用方都翻不动它。这是「模型不得自决法律行为」的代码化——MRM 视角下属于「人工监督」控制。
• 审计可追溯：hitl.ts 每次状态转移都 log() 一条 AuditEvent（at / actor / action），append-only。MRM 的「持续监控 + 可追溯」要求每个验证/决策动作留痕，这条满足。

把这两个模型分别登记进治理图的 inventory，并标注各自的验证证据文件，就是今天的「模型清单」落地动作。具体登记两行：

两行都要标版本号与负责人，满足 inventory 的可追溯要求；风险等级=高的模型 B 触发 OCC 2026-13 的「风险匹配」上重控——即必须有独立验证 + HITL，而非自评了事。

三栏 → 本仓控制的逐栏对照（落 GOVERNANCE_MAP 用）。

• inventory → src/agent/config/providers.ts（命名模型 + 版本号）+ 报告里的 commit / model 字段；登记模型 A/B 两行。
• validation → src/aml/groundTruthEval.ts（外部金标 recall/precision/FPR，非自评）替换 evalBaseline.ts；现状=wired 未跑。
• effective challenge → src/agent/eval/cohensKappa.ts（独立裁判 κ 校准）+ gate.ts 的 minKappa 硬门；现状=工具就绪，κ 数字待手标。

3. 今日实战

1. 通读 OCC Bulletin 2026-13，确认其三栏（inventory / validation / effective challenge）与废止日期 2026-04-17。
2. 把三栏映射到本仓两个「模型」：(1) agent harness（src/agent/eval/gate.ts）、(2) AML SAR 生成器（src/aml/sarDraft.ts）。
3. 在 docs/AML_GOVERNANCE_MAP.md 起骨架，落「Regulatory baseline」表的 MRM 行：明确写 SR 11-7 RESCINDED 2026-04-17 → OCC Bulletin 2026-13 / Fed SR 26-2，要求「Do NOT cite SR 11-7 as live guidance」。
4. 登记 model inventory 两行（模型 A=harness、模型 B=SAR 生成器），各标用途/证据/版本号/风险等级。
5. 在「Open items (honest)」段记下整改项：external-ground-truth eval 已 wired 但数字仍 data/key-gated，自评闭环待 Day 154-155 用独立 κ harness 替换。

4. 今日实测 / 产出

• docs/AML_GOVERNANCE_MAP.md ✅ 已存在并 committed，含 3 控制域骨架（inventory / validation / effective challenge）+ 已核验日期 SR 11-7 rescinded 2026-04-17 → OCC 2026-13。已落地。
• 注（诚实状态）：external-ground-truth eval wired but not yet run——需公开标注数据集（IBM AMLworld / Elliptic，手动下载）+ 真实模型 run；harness/metrics/CI 已建已测，数字仍 data/key-gated。
• 现有真实评测数字保持不变：DeepSeek-V4-Flash 79.3% / V4-Pro 89.7%（judge=pass）；这些不属于「独立验证」证据，正待整改。

本日自检清单（可勾对）。

• GOVERNANCE_MAP 的 MRM 行写明 SR 11-7 rescinded 2026-04-17 → OCC 2026-13。
• 三栏（inventory / validation / effective challenge）各有对应证据文件指针。
• evalBaseline 自评问题被显式标为待整改（非已解决）。
• 独立 κ 数字（待 Day 155 跑，需 key + ≥50 手标）——本日仍 gated，不勾。

5. 常见误区 / 陷阱

• 继续把 SR 11-7 当活指引引用——它已于 2026-04-17 废止，对金融 GenAI 审查人引用废止指引是丢可信度的第一名。
• 把 evalBaseline 自评结果当「独立验证」证据——同源自评违反有效挑战，必须在 Day 154-155 用独立 κ harness 替换。
• 以为「原则化」=「更宽松」——OCC 2026-13 是风险匹配，高风险模型反而要求更强控制；AML SAR 生成属高敏场景。
• 把 inventory 当成一次性文档——MRM 要求持续维护，模型换版本号（如 V4 系列）就要更新清单。
• 把「principles-based」理解成「不用证据」——原则化反而把举证责任压给机构，没有证据文件就过不了有效挑战。

6. 学习资源（每条带 YYYY-MM）

• OCC Bulletin 2026-13 "Model Risk Management"（2026-04）——本日监管底座。
• 美联储 / OCC / FDIC 关于 SR 11-7 废止的联合公告（2026-04，rescission 生效 2026-04-17）。
• Fed SR 26-2（2026，与 OCC 2026-13 对应的联储侧 MRM 指引）——跨机构一致性参照。
• Anthropic "Demystifying evals"（2026-01）——评测独立性论证，Day 155 主线。
• NIST AI RMF Generative AI Profile (NIST AI 600-1)（2024-07）——Day 153 主线，与 MRM 互补。
• 本仓 docs/AML_GOVERNANCE_MAP.md（2026-06）——交叉引用，三框收敛一页纸。

SOTA检查 (2026-06 更新)

• 当前主流方案：OCC Bulletin 2026-13 为当前（2026-04）最新 MRM 框架，仍 current；三栏（inventory / validation / effective challenge）为长效内核。
• 是否仍 SOTA：是。SR 11-7 废止与 OCC 2026-13 接替是 2026 最新体制变更，未被进一步取代。
• 过时黑名单（AVOID）：① 继续把 SR 11-7 当活指引引用；② 把 evalBaseline 自评结果当「独立验证」证据——需在 Day 154-155 用独立 κ harness 替换；③ 把「principles-based」当「无需举证」。
• 半衰期提醒：监管文本本身变更慢，但其与 GenAI 的接口（如何用 600-1 落 GenAI 风险）更新快——每阶段末（Day 160）重验 OCC 2026-13 是否出配套 GenAI 附录。
• 下次复查点：复查 OCC 2026-13 / Fed SR 26-2 最终文本措辞（对外发表前必重验）；2026-08-02 EU AI Act Art.50 生效点一并复查（见 Day 152）。

衔接

• 昨天：Day 150 — 抵抗率报表 & HITL 闸门固化（把抵抗率/分歧/κ 收敛为一页评审件，OFAC 硬停升级为 fail-closed CI 门）。
• 今天：监管底座从废止的 SR 11-7 换成 OCC 2026-13，点名 evalBaseline 自评违反「有效挑战」，起 GOVERNANCE_MAP 三控制域骨架。
• 明天：Day 152 — EU AI Act Omnibus 时间线（建 governance_dates 表，锁定 Art.50 2026-08-02 披露义务命中点）。