AIRS — AI ཐོབ་ཐང་གི་རིམ་ཚད

01 · མཚན་ཉིད

AIRS is the conceptual model underneath AICR and AILP: it holds that AI use of content cannot be governed by a single allow/deny bit. Reading, summarizing, retrieving, transforming, fine-tuning, training, and redistributing are different acts with different depths, uses, and economic weight. AIRS arranges them as a spectrum of levels, each of which can be separately permitted, priced, conditioned, and audited — making rights proportional, use-specific, and trackable. AIRS governs the content-and-learning rights plane only; it does not extend into whether an Agent may act on external systems (AARS) or who authorized that Agent (AADP).

02 · དམིགས་དོན

• 「ཁ་ཕྱེ་བ་ vs ཁ་བསྡམས་པ」ཟེར་བའི་བརྫུས་མའི་ཨིན/མིན་གཉིས་ཆ་དེ་ AI འཇུག་བཀོད་ཀྱི་རིམ་པ་ཐོག་ཚབ་བརྐྱབ།
• པར་སྐྲུན་པ་ཚུ་ཟབ་ཚད་ཉུང་བའི་རིམ་པར་ག་དེ་བཏུབ་ཁ་ཕྱེ་བཞིན་ཟབ་པའི་རིམ་པ་ (སྦྱོང་བརྡར, སླར་བགོ་བཤའ) ཉར་ཚགས་འབད་བཅུག
• AICR གསལ་བསྒྲགས་དང་ AICL ཆོག་མཆན་ཚུ་གིས་མཚོན་པའི་མཉམ་སྤྱོད་ཚིག་མཛོད་བྱིན།
• རིམ་པ་རེ་རེ་སོ་སོར་ཞིབ་བཤེར་འབད་ཚུགས་ཞིང་རིན་གོང་བཙུགས་ཚུགས་པར་བཟོ།

03 · ཁྱབ་ཚད

04 · འཕྲུལ་ཆས་ཀློག་ཚུགས་པའི་དཔེ་མཚོན

རིམ་ཚད, འཕྲུལ་ཆས་ཀློག་ཚུགས་པའི — /ai/rights-spectrum.json

{
  "version": "0.1",
  "spectrum": [
    { "level": 0, "name": "No AI Access" },
    { "level": 1, "name": "Read Only" },
    { "level": 2, "name": "Read and Summarize" },
    { "level": 3, "name": "RAG Use" },
    { "level": 4, "name": "Transform" },
    { "level": 5, "name": "Fine-Tuning Use" },
    { "level": 6, "name": "Training Use" },
    { "level": 7, "name": "Commercial Redistribution" }
  ]
}

05 · ཚད་བཀག

• རིམ་པ་བརྒྱད་འདི་ཞིབ་འཇུག་དཔེ་གཞི་ཅིག་ཨིན—འཇིག་རྟེན་ངོ་མའི་ཐོབ་ཐང་ལུ་ཕྲ་བའམ་མི་འདྲ་བའི་ཆ་བགོས་དགོཔ་འོང་སྲིད།
• རིམ་པའི་གོ་རིམ་འདི་སྤྱིར་བཏང་ཟབ་ཚད/དཔལ་འབྱོར་ལྗིད་ཚད་མཚོན་དོ, ཁྲིམས་མཐུན་གོ་རིམ་མེན།
• AIRS གིས་ཐོབ་ཐང་གི་དོན་ཚན་འགྲེལ་བཤད་འབད་དོ; རང་གིས་མཐུན་སྒྲིག་ལག་ལེན་འཐབ་ནི་ཡང་ན་ཞིབ་བཤེར་མི་འབད།
• v0.1.1: reaching Level 7 on this spectrum still says nothing about Agent action rights or authority — a full Agent workflow may need independent compatibility across AIRS/AILP, AARS, and AADP.