和许多AI一样,微软Copilot喜欢了解更多用户信息来更好地个性化聊天体验。这个AI通过记住对话历史和用户主动分享的详细信息来实现这一点。但是Copilot中的一个设置可能在用户不知情的情况下,从其他微软产品中获取数据。
这个被称为"微软使用数据"的设置,让Copilot可以引用用户在Bing、MSN、Edge以及其他微软产品中的数据,这一发现最初由Windows Latest报道。该设置可以在Copilot网站和移动应用中访问,似乎是相对较新的功能,是Copilot记忆选项的一部分。这个选项允许AI回忆用户的对话历史、分享的任何事实和指令,以及微软产品中的某些数据,所有这些都是为了个性化Copilot体验。
个性化功能的利弊分析
当然,这个记忆功能可以帮助引导对话。也许用户想要提及过去对话中的一个话题,而不必重新解释所有内容。或许用户正在寻求个人或专业事务的建议,AI对用户的了解可以更好地解决情况。
这听起来不错,但缺点是什么?如果Copilot对用户了解过多,是否会让隐私面临风险?微软除了个性化聊天之外,还会如何处理这些数据?
在关于Copilot的常见问题解答中,微软承诺仅出于隐私声明中详述的有限目的使用用户对话。这意味着数据将被记录用于监控Copilot的性能、故障排除、诊断错误、防止滥用和改进产品。公司表示不会将用户信息用于AI模型训练。实际上,这是一个独立的设置,用户可以且应该禁用。
此外,根据微软的说法,Copilot中的个性化设置并不控制用户是否接收定向广告。这也是一个独立选项,用户可以通过登录微软账户页面并前往隐私下的个性化广告和优惠部分来禁用。
如何关闭数据收集设置
尽管如此,隐私担忧是自然的,特别是因为根据另一份微软Copilot常见问题解答,个性化选项可能会自动启用。当检查PC上的Copilot时,确实发现这些设置已经开启。在这种情况下,用户可能想要禁用该选项,特别是如果向Copilot提出的问题不依赖于其对用户的了解。
要检查设置,请浏览Copilot网站或打开iOS或Android应用程序,并确保使用微软账户登录。在网站上,选择左侧窗格底部的账户名称,点击设置,然后选择记忆。在移动应用中,点击三线汉堡图标显示左侧窗格,点击姓名,然后选择记忆。
用户将看到"个性化和记忆"的常规选项以及两个设置——一个用于"您分享的事实",另一个新的用于"微软使用数据"。要禁用这些,首先关闭微软使用数据的开关,然后关闭个性化和记忆。要删除记忆中的所有项目,选择"删除所有记忆"按钮。如果已经与Copilot分享了任何个人详细信息,请选择"您分享的事实"旁边的编辑按钮。然后可以删除不希望AI记住的任何详细信息。
如果确实保持这些选项开启,在与Copilot对话时要小心。不要透露任何敏感或机密的详细信息。即使是微软也建议避免某些个人数据,如性取向或健康状况。
Q&A
Q1:微软Copilot的"微软使用数据"设置是什么?
A:这是Copilot中一个相对较新的设置,属于记忆选项的一部分。它允许Copilot引用用户在Bing、MSN、Edge以及其他微软产品中的数据,以便更好地个性化用户的聊天体验。
Q2:如何关闭Copilot的数据收集功能?
A:用户可以在Copilot网站或移动应用中,进入设置-记忆选项,先关闭"微软使用数据"开关,然后关闭"个性化和记忆"总开关。如需彻底清理,可选择"删除所有记忆"按钮。
Q3:微软会如何使用收集的Copilot对话数据?
A:根据微软隐私声明,这些数据仅用于监控Copilot性能、故障排除、诊断错误、防止滥用和改进产品。微软承诺不会将用户信息用于AI模型训练,这是一个独立可控的设置。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。