model-governance

本文展示了高验证精度如何可能隐藏AI模型中的代理偏差，并使用SHAP进行可解释性分析，以及通过运行时治理包装器执行公平性政策，防止生产环境中的偏差决策。

本文提出了一种元基准测试框架，将452个现有的公开基准测试整合为41个工作活动和38个银行业务领域，从而为金融机构实现更精确的LLM评估和治理。

本文认为，前沿AI模型的访问规则正在成为产品体验的关键部分，影响资格、预览状态和回退选项，严肃的AI工作需要可预测的访问规则。

在联邦法院，Anthropic 承认无法对已部署的 Claude 实施控制或召回，暴露出厂商在售后“零控制”的治理真空，并将责任焦点推向售前披露。