如果你认为生活在欧洲、加拿大或香港就能免受LinkedIn抓取你的帖子来训练AI的影响,那你就错了。在这家微软子公司假定你对此没有异议之前,你只有一周时间选择退出。
LinkedIn在几周前宣布了其数据使用条款的变更,指出从11月3日起,它将开始收集"欧盟、欧洲经济区、瑞士、加拿大和香港地区成员"的数据来训练AI模型。虽然在通知中没有明确提及,但滚动到更新页面关于英国部分时可以发现,之前保护英国免受LinkedIn数据抓取的例外条款也正在被取消。
至于什么数据会被收集,更新通知指出,基本上LinkedIn上的所有内容都是可获取的目标——个人资料详情和公开帖子都在收集范围内。LinkedIn确实在多个地方明确说明私人消息不包括在其提取的数据中,这是有充分理由的。该公司在2025年初因涉嫌使用私人消息进行AI训练而被起诉,尽管原告在提起诉讼后不久就撤诉了,但它不想重蹈覆辙。
数据使用条款更新还提到,LinkedIn将开始与其关联公司分享抓取的数据,就LinkedIn而言,这意味着"在所有权上相关的公司"。换句话说,微软及其子公司也将开始获得个人资料数据用于训练AI模型。
"从2025年11月3日开始,我们将与我们的关联公司微软分享关于成员的额外数据,以便微软公司系列能够向您展示更个性化和相关的广告,"LinkedIn解释道。"这些数据可能包括您的LinkedIn个人资料数据、动态活动数据和广告互动数据。"
谢谢,LinkedIn,但我不需要
如果你不喜欢让你的个人资料数据被用来训练AI或为微软产品做广告,你可以快速轻松地做一些事情来选择退出。对于英国、欧盟、欧洲经济区、瑞士、加拿大和香港的用户来说,这两个退出选项都是新的。对于世界其他地区(包括美国)的用户,你的数据已经被LinkedIn抓取用于AI训练有一段时间了——通过这些数据进行关联公司(即微软)广告投放是新的,但无论你在哪里连接到这个社交网络,两者的退出步骤都是相同的。
幸好退出操作很简单,AI训练的开关可以在设置>数据隐私类别下找到。广告偏好设置位于设置中的广告数据类别,其中LinkedIn数据标题外的三个特定项目会影响LinkedIn个人资料和帖子数据是否可以与微软分享用于投放广告。
LinkedIn外广告、来自他人的广告数据和衡量广告成功都会影响你的LinkedIn数据如何与微软和其他公司的广告相关联。第四个选项,与关联公司和合作伙伴分享数据,也应该关闭以增加隐私保护。请注意,这不会阻止关联公司和合作伙伴向你投放广告,只是不会使用LinkedIn数据进行个性化定制。无法阻止转化机器,但如果发生第三方数据泄露,你可以让个人数据泄露的可能性稍微降低一些。
如上所述,英国、欧盟、欧洲经济区、瑞士、加拿大和香港的LinkedIn用户从本文发布之日起有七天时间进行这些更改,之后LinkedIn就会启动其数据抓取器。
Q&A
Q1:LinkedIn的AI训练数据收集政策有什么变化?
A:从11月3日起,LinkedIn将开始收集欧盟、欧洲经济区、瑞士、加拿大和香港地区用户的数据来训练AI模型,包括个人资料详情和公开帖子,但不包括私人消息。
Q2:LinkedIn会与哪些公司分享用户数据?
A:LinkedIn将与其关联公司分享抓取的数据,主要是微软及其子公司,用于训练AI模型和投放个性化广告。
Q3:如何退出LinkedIn的AI数据收集?
A:用户可以在设置>数据隐私类别下找到AI训练的开关进行关闭,在广告数据类别中关闭LinkedIn外广告、来自他人的广告数据等选项,以及关闭与关联公司和合作伙伴分享数据的选项。
好文章,需要你的鼓励
Anthropic发布SCONE-bench智能合约漏洞利用基准测试,评估AI代理发现和利用区块链智能合约缺陷的能力。研究显示Claude Opus 4.5等模型可从漏洞中获得460万美元收益。测试2849个合约仅需3476美元成本,发现两个零日漏洞并创造3694美元利润。研究表明AI代理利用安全漏洞的能力快速提升,每1.3个月翻倍增长,强调需要主动采用AI防御技术应对AI攻击威胁。
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法,让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能,并在真实机器人操作中实现86%成功率,代表了AI从单一功能向工具协调专家的重要转变,为未来更智能实用的AI助手奠定基础。
Spotify年度总结功能回归,在去年AI播客功能遭遇批评后,今年重新专注于用户数据深度分析。新版本引入近十项新功能,包括首个实时多人互动体验"Wrapped Party",最多可邀请9位好友比较听歌数据。此外还新增热门歌曲播放次数显示、互动歌曲测验、听歌年龄分析和听歌俱乐部等功能,让年度总结更具互动性和个性化体验。
这项研究解决了现代智能机器人面临的"行动不稳定"问题,开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案,然后通过伪计数估计器选择最可靠的行动,就像为机器人配备智能顾问。实验显示,真实环境中机器人成功率平均提升16%,且系统可即插即用无需重新训练,为机器人智能化发展提供了新思路。