audit
PulseAugur coverage of audit — every cluster mentioning audit across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
LLM 网关的运营：预算、警报和审计
本文是系列文章中的第三篇，重点关注 LLM 网关的运营方面。它详细介绍了如何在生产环境中实施预算、警报和审计机制来管理和监控网关的性能和资源消耗。内容建立在之前关于网关构建和初始设置的部分之上。
-
MLOps 安全最佳实践，用于保护机器学习管道
本文概述了 MLOps 管道的基本安全实践，强调保护敏感数据和关键决策过程。它涵盖了访问控制、漏洞管理和威胁建模等关键领域。文章还触及了持续集成和持续交付 (CI/CD)、容器化以及强大的监控和审计对于维护安全机器学习环境的重要性。
-
Mini AI 工具为引入现有项目添加命令
“使用 mini 构建”系列的最后一部分介绍了将现有项目集成到 mini 工作流中的三个命令。`import-gsd` 命令将项目的 GSD 风格路线图转换为 mini 阶段，将诸如已完成之类的状态映射到“done”，将进行中的状态映射到“doing”。在此之后，`audit` 命令分析项目的代码，在 `.mini/codebase.md` 中生成一个文本概述，以帮助 Claude 理解代码库，而不会在后续读取时产生额外的 token…
-
新的“行为金丝雀”审计LLM在RL微调中的训练数据使用情况
研究人员开发了一种名为行为金丝雀的新审计方法，用于检测大型语言模型（LLM）在人类反馈强化学习（RLHF）微调过程中是否不当使用受法律保护的检索上下文。传统的审计技术，如逐字记忆检查，对于RLHF来说是不够的，因为这个过程会改变模型的行为，而不是记忆特定的事实。行为金丝雀框架引入了文档触发器与反馈配对，以产生风格化的响应，使审计人员能够以67%的检测率和10%的误报率识别未经授权的数据合并。