标签
本预印本著作提出了一个面向生成式人工智能和智能体人工智能的统一治理框架，在十一章中融合技术、法律、经济和安全视角，并提出面向2030年的治理控制平面设计，以印度法律为基础，兼顾跨司法管辖区的比较视角。
Mozilla 推出 Firefox Enterprise，为企业和政府机构提供基于独立 Gecko 引擎的浏览器及可自托管的管理控制台，帮助机构加强对浏览器策略、数据流动和 AI 使用的控制，减少对少数技术供应商的依赖。
Mozilla 推出 Firefox Enterprise，主打隐私、自主与可控的企业浏览器方案，支持本地部署、集中策略管理、原生 DLP、AI 工具管控、SIEM 集成与 Lockdown Mode，并预告 Thunderbird Enterprise 与专业支持服务。
美国一项行政命令指示各机构在官方沟通中用“Super Intelligence（SI）”取代“AI”，NIST 也正据此迁移其公开术语 —— 这引发了关于如何区分“名称变更”与“来源权威实质性变更”的溯源与证据情报方面的担忧。
一位正在构建 AI 个人助理的开发者提问：为了让助理发挥作用，必须将位置、学校信息等 PII 提供给 LLM，但又不想泄露敏感个人数据——如何在隐私治理与便利性之间权衡，妥善处理 PII。
本文提出了一种使用模型上下文协议的架构调解方法，以实现LLM代理与数据空间之间的受控交互，确保符合治理和互操作性标准。
本文分享了中国AI行业FDE（前线部署工程师）的真实现状，指出接单风险、数据治理难题及商业模式的挑战，强调需理性看待行业身份并转向更务实的战略。
文章认为，在企业AI中，AI模型往往是最容易的部分，更大的挑战在于数据信任、治理和工作流整合，尤其是在医疗保健等受监管行业。
本文提出了一种针对Croissant的附加配置文件，用于评估数据使用条件，使得机器学习数据集能够进行自动化合规检查，并通过一个记录检查内容的决策过程实现。
本文提供了企业AI知识库从概念到实际交付的全面指南，强调了数据治理、权限管理、测试与验收的重要性，并附有实施检查清单。
James Luan 回顾了向量数据库从早期相似性搜索系统演变为生产 AI 的关键基础设施，强调了它们在 RAG 和基于代理的系统中的日益重要的作用。
本文介绍了GROUND，这是一个受控语义检索框架，它将LLM生成的分析限制在已批准的业务定义内，有效减少企业数据分析中的幻觉，同时确保遵守安全和数据政策。
UNESCO的《人工智能伦理建议书》概述了透明度、公平性等核心原则，并提出了政策行动领域，旨在指导数据治理、医疗健康等领域的人工智能实施。
本文形式化了规范增量在湖仓平台数据治理中的概念，并展示了一项实证研究，比较了规范增量驱动的工作流程与传统的基于代码的方法。
Rocky Linux 创始人 Gregory Kurtzer 宣布了 OpenWALDO 项目，旨在开放 AI 训练数据，以促进真正的开源 AI 发展。
文章认为，AI智能体的安全性过于关注指令遵循，而对数据访问治理关注不足，并强调Agentic Data Protocol是将策略置于基础设施中的早期尝试。
企业AI经常低估数据操作背后的工作量，从标注到治理，这对规模化至关重要。
本帖子解释了为什么AI安全需要基础设施层控制（IAM、VPC、加密、日志记录），而不仅仅是应用层的提示过滤，并以AWS服务为例。
一项研究对205个AI应用的数据治理实践进行了评分，发现超过一半获得了D或F等级，许多应用未披露用户输入是否用于训练其模型。
一份报告称微软涉嫌将荷兰公务员的电子邮件与美国众议院共享，这再次引发了对数字主权的呼吁，凸显了数据驻留与实际法律控制之间的差距。