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
前OpenAI首席技术官Mira Murati创办的AI初创公司Thinking Machines Lab宣布推出"交互模型"技术。不同于现有AI的轮流对话方式,该模型采用"全双工"技术,能在接收输入的同时生成响应,实现类似真实电话通话的自然交互。其模型TML-Interaction-Small响应速度达0.40秒,优于OpenAI和谷歌同类产品。目前仍处于研究预览阶段,计划数月内开放有限测试,年内正式发布。
香港大学与哈尔滨工业大学联合发布的这项研究(arXiv:2605.06196)发现,大语言模型在扮演不同社会层级角色时,内部神经网络存在一条清晰的"粒度轴",从普通个人视角延伸至全球机构视角。这条轴是AI角色空间的主导几何方向,可被测量、被跨模型复现,并通过激活引导技术加以操控,为AI社会模拟的可信度评估和角色视角的主动调控提供了新工具。
澳大利亚各州及联邦能源部长在近期会议上达成共识,要求数据中心通过投资新建可再生能源和储能设施,完全抵消其电力需求。除昆士兰州外,所有州均支持该提议。联邦能源部长克里斯·鲍文表示,数据中心是新增能源需求的最大驱动力之一,应成为电网的助力而非负担。澳大利亚能源市场委员会将于7月前提交具体实施建议。数据显示,到2030年数据中心用电量预计将增至现在的三倍。
华盛顿大学研究团队发现,在AI数学推理训练中,将随机拼凑的拉丁文占位词(Lorem Ipsum)添加到题目前,能帮助AI突破"全部答错、训练停滞"的困境,在多个模型上平均提升推理得分2.8至6.2分。研究揭示了有效扰动的两个关键特征:使用拉丁语词汇避免语义干扰,以及保持较低困惑度确保AI能正确理解题目内容。