谷歌利用更多用户数据训练AI，教你如何选择退出
评分
73提供了具体的退出操作指南，对普通用户有实际帮助。
内容清晰完整，但未深入分析技术细节或法律影响。
直接指导用户如何保护隐私，实用性强。
报道刚发布，时效性高，涉及最新政策变化。
TechCrunch为知名科技媒体，但需注意其并非官方来源。
基础分 81.5 × T2 信源权重 ×0.9 = 73
精选线 70已入选精选
精选理由
信息增量高，提供了实用的隐私设置操作指南，但类似报道较多，创新性一般。
AI 点评
「这篇指南非常及时，对每个谷歌用户都至关重要。AI公司正在悄悄拓宽数据收集边界，了解并掌握退出方法是对自身数据主权的基本维护。」
速览
谷歌更新隐私设置，允许利用更多用户数据（包括搜索、YouTube等）训练AI模型。用户可通过“活动控制”页面关闭“AI训练”开关。此举引发隐私担忧，但谷歌表示数据匿名化处理。本文提供详细步骤指导用户退出。
- 谷歌默认开启新设置，将用户搜索、YouTube观看历史等数据用于AI训练。
- 用户可通过“我的活动”页面找到“AI训练”开关并关闭。
- 谷歌承诺数据匿名化，但隐私倡导者仍担忧数据滥用风险。
- 该设置影响包括Gemini、搜索摘要等谷歌AI产品的训练数据来源。
正文
公告：谷歌隐私设置的一项改变使其能够用更多你的数据训练其AI。以下是选择退出的方法。
相关条目
精选DeepSeek V4 在 OpenRouter 上的代币份额翻倍，智能体工作负载成主要驱动力
DeepSeek V4 的快速采用表明市场对高性能、低成本推理模型的强烈偏好，尤其是智能体场景将重塑 AI 部署格局。
91
精选启用两项设置使ARC-AGI-3基准测试分数提升三倍
这项发现太关键了！它表明模型的性能不仅取决于训练，还取决于推理时的配置。对于AI工程师和研究者来说，这是一个必须注意的优化方向。特别是那些在资源受限设备上部署模型的团队，可能会因此找到低成本提升能力的方法。
91
精选GPT-5.6：前沿智能与前沿效率的融合
这条消息值得关注，因为它标志着大模型竞争从单纯拼参数转向拼效率。对于AI开发者和企业决策者来说，GPT-5.6意味着可以用更少预算获得更高性能，尤其适合那些被推理成本挡在门外的长上下文或Agent场景。OpenAI这一步，可能重新定义‘前沿’的标准。
91
精选LFM2.5-Encoder：面向CPU快速长上下文推理的新模型
这篇博文让我眼前一亮，因为它直接解决了大模型在CPU上跑长上下文的痛点。对于没有高端GPU的团队或个人开发者，LFM2.5-Encoder系列提供了可立即使用的开源方案。尤其推荐给做RAG、文档搜索或代码分析的朋友——现在用普通服务器就能处理百万级token的文档了。
91
精选GPT-Red：OpenAI通过自我对弈实现AI红队自动化，提升模型鲁棒性
GPT-Red 是红队测试从人工到自动化的里程碑，特别适合安全工程师和对齐研究者关注。它直接降低了测试成本，但也引发了对“自动攻击”本身的伦理讨论——值得所有关注AI治理的人深入思考。
91
精选OpenAI推出GPT-5.5生物漏洞赏金计划
这个计划值得关注，因为它首次将AI漏洞赏金制度拓展到生物安全领域，不仅为安全社区提供了新的研究方向，也为AI风险治理提供了实际演练场。对模型安全研究者、生物安全专家以及关心AI双重用途的从业者尤其重要。
91
精选vLLM推出原生速度Transformers建模后端，大幅提升推理性能
这项更新对于AI工程团队非常关键：无需格式转换意味着能更快地迭代模型，而2-5倍的速度提升直接降低GPU成本。如果你正在做LLM在线服务或者批量推理，这几乎是必读的技术更新。
90
精选Google DeepMind 发布手语转文本模型 SL2T，助力聋人用户
这则消息的意义不仅在于技术突破，更在于AI开始真正关注边缘群体的需求。对开发者而言，SL2T的架构思路和技术路径值得深入研究；对无障碍倡导者来说，这是推动行业标准的重要案例。