13 · 开放数据层、来源与致谢
13.1 · 架构：方法层与数据层解耦
EINS 是一个评估方法层。它不产生、不拥有、不出售底层数据。其输入以第三方开放数据为主干、以自采集公开数据为补充（例如，它自己对某些指标观测到的序列，并如此标注）。正确的定位句是：EINS 是一个评估方法而非数据产品，以第三方开放数据为主干、以自采集公开数据为补充。因为方法层与其来源不构成竞争，系统的来源不是对手；它们是系统公平的基石。 解耦有一个制度机制，而不只是声明的意图。第 6.2 节的熔断器与冗余使任何单一来源可替换，来源互换迁移程序（附录 D）是一项已演练的能力。 “我们不与来源竞争”因此由“我们无法被其中任何一个绑架”支撑，后者才是来源中立的实际保证。
13.2 · FA 来源致谢
FA 基本面领域建立在以下机构与来源族之上，系统由衷感谢它们：Hugging Face （开放模型中心与 Open LLM Leaderboard）、GitHub（开源仓库指标）、SWE-bench、Aider 与 LiveCodeBench（编码能力评估）、LMArena（群体成对比较，遵循 Elo 评分传统 (Elo, 1978; Zheng and others, 2026)），以及OpenAlex（研究涟漪的引文数据）。支撑测量设计的学术文献（第 1–2 节）与影响力指数化的方法论先例——特别是 Stanford AI Index 与 Epoch AI 的分析——在参考文献中引用。
13.3 · RI 来源：刻意不点名
RI 信号消费“独立核实的权威媒体与公共平台信息”，单个来源不被点名。理由毫不讳言：点名媒体与社交平台来源会 (a) 在公共信号采集周围制造一个可避免的法律暴露面，以及 (b) 向攻击者递交一份针对本已刻意不透明组件的短周期套利地图（第 7.5 节）。方法学在结构层面被完整描述（第 6.6 节）；校准不予披露。因为本文既不披露来源也不披露数值参数，RI 描述是对一个机制的描述，而非可被操纵的规范；这正是非对称披露所意图的认识论姿态（第 7.2 节）。
13.4 · 发布者署名
系统以角色名义而非个人名义发布，理由只有一个：评判的公允。对 EINS 与 Eins 指数的评价应当落在方法论、形式结构、数据与证据之上，而非落在发布者是谁之上。身份无关的评判是让审视聚焦于内容而非出处的既有做法；盲审式同行评审的公平性理由正是如此 (Pleskac et al., 2026)，测量系统有同样的需要。这一选择只隐藏发布者的身份：FA 方法学、纳入规则与参考参数表都完整给出（附录 B–C），而 RI 层保持刻意不披露。问责在已发布的方法之中，而非在署名上。这里还有一种对称性：一个测量影响力的系统，不应从自己的发布者身上铸造个人影响力资产。因此我们只有一个请求：请就EINS 与 Eins 指数本身作出评价；若方法层赢得你的信任，请在其上构建。
13.5 · 开放承诺
开放是非对称且刻意谦逊的。FA 方法学与参考参数表（附录 B–C）随本白皮书给出，与 FA 相关的数据拟在可行范围内提供。RI 实现细节与实时信号参数予以保留。系统申明的姿态是其架构开放接受审查（其不变量公开陈述、以可检查为目标），而具体的开放范围与开放时机决定仍在评审中。第三方受邀在方法层之上进行构建，并参与数据层的协作。这些表态在陈述时不附带对具体范围或时机的许诺，因为透支其制度支撑的承诺本身就是一种失效模式；架构就是承诺，具体发布在其可持续时随之而来。
13.6 · 免责声明
EINS 是一个研究性社会影响力度量系统，为公众对 AI 的理解而建；它不是商业项目，也不为金融用途设计。Eins 指数及其族是研究工件。它们不构成金融信息、投资建议、信用评估、声誉判断或个人决策的依据；在没有独立核实的情况下不应基于指数采取任何行动。观察窗口短，方法在积极迭代中。事件归属与评级包含人工裁决，可被修订。来源可用性会影响数据覆盖率。指数反映已发生之事；它不是预测。实时信号分量按设计无法被外部方复现。系统是一个独立的第三方评估，而非对任何被测智原的背书，且不使用被测组织的标识。法律合规在附录 H 处理。本白皮书中的任何内容都不是对任何具体指数行为、开放范围或发布时机的承诺。
致谢
系统感谢第 13.2 节所列机构维护 FA 领域所依赖的开放数据，也感谢以评估方法论与影响力度量文献（第 1–2 节）为本工作奠基的研究共同体。