基于元数据驱动、灵活和半自动化的数据治理框架，整合了 25 年的临床研究数据，并利用语义网原则建立了知识图谱，实现了 FAIR 化、生命周期管理、角色和责任定义、转化过程中的关系和源系统来源的溯源，为自动化的数据治理提供了先决条件，并使其适用于各个用例并动态适应业务变化。

Oct, 2023

本文提出了机器学习治理的概念，并使用身份标识来确保机器学习系统的所有者对于系统的失败负责，从而增强人们对机器学习系统的信任，为未来的工作提供了机会。

Sep, 2021

基于调查最近的研究作品，这项综述填补了研究组织治理范围的空白，通过发展适用于公司的 GenAI 治理框架，超越了简单的总结，为公司利用 GenAI 的商业机会并抵御相关风险提供了目标和治理机制的大致范围。该研究提供了一个专注于 GenAI 治理的方法，为公司应对负责任的人工智能采用的挑战提供了实用的见解，同时也有助于技术人员开阔视野，以及发现新的研究方向。

Feb, 2024

数据管理在大型语言模型的训练中起着基础性的作用，本文调查了数据管理在预训练和有监督微调阶段的各个方面，包括数据数量、数据质量、领域 / 任务组成等，为构建强大的大型语言模型提供了指导资源。

Dec, 2023

本文通过数据集和算法评估的方式，探讨了以数据为中心的 AI 治理的系统化，降低了部署时间，提高了解决方案的质量，降低了部署风险，并将系统置于持续的遵守治理要求的状态。

Feb, 2023

该研究论文讨论了机器学习治理和预防算法危害的问题，以及如何应用 GDPR 监管。同时，介绍了信息安全领域中的模型逆推和成员推断攻击，并探讨了将某些模型合法归类为个人数据所涉及的不同权利和义务，以及这些措施的效用，并考虑了算法治理和监管的未来方向。

Jul, 2018

通过分布式机器学习技术，如联邦学习，实现在不泄露个人和敏感数据的情况下进行大规模的机器学习，同时提出隐私保护这一术语无法真正制定隐私定义的风险，并提供建议和示例，帮助非隐私技术专业人员实现算法的治理、安全性、隐私性和可验证性。

Dec, 2021

本篇论文提出了以数据为中心的人工智能研究视角，着重于大型语言模型。我们首先观察到在 LLM 的发展阶段（如预训练和微调）和推理阶段（如上下文学习）中，数据起着重要作用，但却在研究社区中受到了不对称的关注。我们确定了四个以数据为中心的具体情景，涵盖数据中心的基准和数据策划、数据属性、知识传递以及推理上下文化。在每个情景中，我们强调了数据的重要性，突出了有前景的研究方向，并阐述了对研究社区和整个社会可能产生的影响。例如，我们提倡为 LLM 的规模和复杂性量身定制一套以数据为中心的基准。这些基准可用于开发新的数据策划方法、记录研究工作和结果，有助于促进人工智能和 LLM 研究的开放性和透明度。

Jun, 2024

本篇论文研究了大型语言模型的局限性，提出了使用外部数据访问技术扩展语言模型的解决方法，并将其与数据集成的研究进行了比较，探讨了研究路径的启示。

Apr, 2023

本文阐述了大规模语言模型 (LLMs) 的崛起代表了人工智能 (AI) 研究的重大进展，但是其广泛应用也带来了重大的伦理和社会挑战，需要开发新的审计程序来捕捉 LLMs 的风险。提出了一种三层审计方法，和其优缺点，并最终旨在扩展技术提供商和政策制定者的方法学工具箱来分析和评估 LLMs。

Feb, 2023