微信扫码
添加专属顾问
我要投稿
深入解析AIGC数据合规的全景图,掌握数据处理的关键角色和数据类型。核心内容:1. AIGC服务中数据处理的不同阶段及涉及角色2. 账号数据和关联服务数据的合规处理要点3. 个人信息保护和数据主体权利的维护策略
作者 / 陈府申 张逸瑞 虞磊珉 李晶
01
谁来处理
在AIGC服务准备与提供的不同阶段,会涉及不同的数据处理模块,因此在研究AIGC数据合规问题时,有必要先通过区分阶段来确定每一阶段可能涉及的数据处理者与数据主体。
图1 AIGC服务中的数据合规的所处阶段
模型训练阶段
在模型训练阶段,模型训练者(也是后来的模型提供者/MaaS服务的提供者)会通过训练数据集开展模型训练。此时的数据处理者当然是模型训练者,而数据主体则为前述训练数据集内原数据主体(以下简称“训练数据集主体”)。
模型产品提供
当模型提供者向模型使用者(也是应用提供者)提供模型产品的情况下:如果涉及向模型使用者作为数据处理者收集数据,那么数据主体就是模型使用者。
不过,在此情况下,还可能涉及模型使用者集成模型时,通过API接口等方式调用模型,从而也涉及向模型提供者作为数据处理者,向同样作为数据处理者的模型使用者,传输终端用户的数据的情形,则终端用户仍然是数据主体。
应用产品提供
当模型提供者通过模型产品向终端用户提供MaaS服务,或应用提供者向终端用户提供集成了模型的应用产品时,会涉及由作为数据处理者的应用提供者向终端用户收集数据(往往是个人信息),那么此时毋庸置疑,数据主体(也是个人信息主体)自然是终端用户。
在提供应用产品的过程中,可能还涉及作为数据处理者的应用提供者,调取其本地的应用数据集,并传输至模型提供者侧的情况。在该情况下,其所控制的数据集所对应的数据集内原数据主体(以下简称“应用数据集主体”)也成为了数据主体。
梳理
我们将上述情况下关于数据处理者和数据主体的分析,共同纳入下列表格进行梳理:
表1 数据处理的角色梳理
02
处理什么
账号数据
账号数据,即服务使用者在其账号的注册、登陆、认证等阶段所涉及的数据。一般而言,这一阶段的数据主要包括:
在针对自然人用户的情况下,大多数账号数据涉及个人信息,包括姓名,和证件号码、手机号码或其他必要身份信息(如当涉及生物识别时,也包括个人生物识别信息[1])等敏感个人信息;
在针对企业用户(如企业开发者)的情况下,一方面涉及企业信息(如企业名称、营业执照、组织机构代码等),另一方面还包括了企业法定代表人、企业联系人的真实姓名等个人信息;
关联账号注册的情况下,关联账号的唯一标识、昵称和头像等信息;
如涉及统一账号策略,则涉及上述信息以及关联手机号、登录态、头像、昵称、历史对话记录/聊天记录、个人资产等内容的同步或跳转(当然也可能不同步,视情况而定)。
服务数据
指在提供AIGC具体服务过程中会被处理的数据,主要包括:
进行交互过程中所输入的内容(以下简称“输入信息”,一般以文本为主,有时也包括图片、文件等),这里可能也会涉及部分个人信息;
在授权相机权限并进行主动拍摄的情况下,收集拍摄图片信息,一旦拍摄到人脸并涉及面部识别特征,即可构成敏感个人信息;
在授权麦克风权限并进行主动录入的情况下,收集录入声音信息,一旦录入人声并涉及声纹,即可构成敏感个人信息;
在授权定位服务/询问相关信息的情况下,收集地理位置信息,或基于网络位置信息[2],这些都因属于行踪轨迹信息,而可能被归属于敏感个人信息;
在对话过程中针对输出信息的反馈评价信息(如点赞、点踩、重新回答、继续输入、复制黏贴等)。
运行数据
指在提供AIGC服务时,基于硬件/软件的运行过程,在直接可感知的服务以外,会被处理的数据,主要包括:
运行环境信息,包括硬件型号、操作系统版本、设备标识符[3]、IP地址、软件版本、网络接入方式(或类型)及状态、网络质量、操作日志、使用日志、服务日志以及设备传感器数据[4];
运行进程信息,包括正在运行的进程信息、页面总体运行、使用情况与频率、崩溃情况、性能数据;以及
Cookies信息,即采用Cookie或其同类技术[5],同步于运行过程中会收集并储存(一般由服务提供者向用户设备发送Cookie,然后在用户端进行本地储存)的信息,主要包括用户标识、产品服务、用户活动等。
自有数据
除了向用户收集以外,通过自有的数据库/数据集等自有数据,向模型进行投喂以训练模型(以下简称“训练数据集”),或基于前述数据开展输出内容生成(以下简称“应用数据集”),也是较为常见的情况。
在这一情况下,一方面,此类数据集可能涉及个人信息。另一方面,应用类或任务类大模型的既有数据,往往会涉及不少专业机构(如金融机构/医疗机构/研究机构),可能包括本专业领域的国家秘密/商业秘密/知识产权等,并可能因此构成重要数据。
公开数据
在模型训练阶段,以及模型的输出内容生成阶段,也会涉及到对于公开数据的检索甚至爬取问题。
与自有数据相比,公开数据大多数情况下,涉及国家秘密/商业秘密的可能性不高,但可能包含大量个人信息以及他人拥有知识产权(如合法著作权)的内容。
去标识化与匿名化
在涉及个人信息的情况下,只要能实现对于该等数据的匿名化,则该数据将不再构成个人信息,进而无需受限于《个人信息保护法》的约束。
不过,“匿名化”经常容易与“去标识化”混淆。其实,根据《个人信息保护法》[6]:
去标识化,是指个人信息经过处理,使其在不借助额外信息的情况下无法识别特定自然人的过程。
匿名化,是指个人信息经过处理无法识别特定自然人且不能复原的过程。
结合《信息安全技术 个人信息去标识化效果分级评估规范(征求意见稿)》等文件,目前较为通行的观点是,仅有聚合数据,可以达到不存在任何重识别风险的匿名化效果——基于现有大模型的数据处理技术和方法,这一水位是比较难以实现的。
因此,我们当然可以通过去标识化,来反映模型对于个人信息保护措施的水位提升,但是一定不能认为,仅仅通过去标识化,就可以不再受到个人信息处理相关要求及合法性基础的约束。
分类与梳理
值得注意的是,尽管我们使用了“数据合规”这一约定俗成的称谓,但实际上“数据”与“个人信息”是两个既存在区别又有交集的概念。而在大模型及其应用的场景下,更常见的往往是个人信息保护相关的内容和要求。
我们将个人信息与数据的关系区分如下图所列示:
图2 个人信息与数据的关系
其中,针对个人信息,其被关注的核心客体,是敏感个人信息,主要包括:
表2 敏感个人信息表
而针对数据,其被关注的核心课题,是核心数据与重要数据,我们将其判断的一般标准,整理成下图,并辅以数据分级确定规则场景表与数据分级确定规则定级表,以供参考:
图3 核心数据与重要数据的认定
表3 数据分级确定规则场景表
表4 数据分级确定规则定级表
需要注意的是,一定体量的个人信息,可能会构成或被参照适用重要数据。例如,2024年9月24日颁布的《网络数据安全管理条例》(中华人民共和国国务院令 第790号,以下简称“《网络数安管理条例》”)即规定,网络数据处理者处理1000万人以上个人信息的,将参照适用处理重要数据的网络数据处理者(“重要数据处理者”)的规定。[7]
结合上述讨论,我们将上述涉及的数据/个人信息,及其可能涉及敏感个人信息/重要数据的相关情形,简要整理如下:
表5 AIGC数据分类
03
怎么处理
收集
根据《信息安全技术 个人信息安全规范》(GB/T 35273—2020,“《个人信息安全规范》”),收集是获得个人信息控制权的行为,其中既包括主动提供,也包括通过交互或记录行为等进行自动采集[9]。结合前述定义,我们会发现,大模型场景下,账号数据、服务数据的获取,都是通过收集的处理方式开展的。
按照《数据安全法》的要求,数据收集应合法、正当,并应在法律、行政法规规定的目的和范围内开展[10]。考虑到账号数据、服务数据基本都属于个人信息,且可能涉及个人敏感信息,按照《个人信息保护法》的进一步规定,需要应当限于实现处理目的的最小范围(“最小必要原则”)[11]。
因此,结合下文将提及的收集需要遵循的“告知 + 同意”和合法性基础等要求,隐私政策中对于收集目的和范围的明确,以及在收集过程中对于同意以及单独同意等要求的遵守将变得十分重要。
爬取
特别要提及的是,《个人信息安全规范》也指出,除了正常收集以外,收集亦包括通过共享、转让、搜集公开信息等间接获取的行为[12]。而针对公开数据,经常存在以网络爬虫(Web Crawler/Spider)的方式进行公开数据爬取的情况。
在这里,特别容易出现的误区是,认为只要是公开数据,通过爬取获得就是合规的——以个人信息为例,从公开网站上获取的个人信息,除非在前述信息由个人信息主体自行公开,或由公共部门明确进行依法公开,否则仍无法豁免个人信息处理的合法性基础要求[13],同时收集的个人信息还需要与其业务具有明确关联性[14]。
在“新浪微博诉脉脉案[15]”等司法实践中,确立了通过第三方应用通过开放平台例如Open API模式获取用户信息时,应坚持的“用户授权”+“平台授权”+“用户授权”的“三重授权原则”[16],这里面经常被忽视的就是作为“第三重授权”的被爬取信息的主体对于信息爬取方的授权。而违反这一原则,可能会存在被认定为违反法律和商业道德[17],并进一步被认定为系属不正当竞争行为[18]的风险。
此外,运用爬虫还需要遵守网站的机器人协议(robots.txt)、不影响网站正常功能或服务提供等其他重要关注点,但因为前述内容不属于数据合规的范畴,在此不赘(可参见《一川知识点丨“爬虫”的13条合规边界》)。
提供
大模型场景下的数据提供,往往以如下典型的方式发生:
首先,当应用提供者通过调用模型提供者的模型以集成服务时,若模型的部署并未采用本地化/专有云部署,则涉及应用提供者向模型提供者进行数据提供。另一种典型可能是,当应用提供者/模型提供者运用云服务进行模型产品(和/或应用产品)部署和调用时(或因其他类似信息技术服务),同样涉及其对于云服务商的数据提供。在前述情况下,提供的数据既可能包括账号数据、也可能包括服务数据(以下简称“基于服务提供”);
其次,当应用提供者/模型提供者与第三方开展合作时,也可能涉及向合作方进行提供。典型的合作场景包括接入由合作方提供的软件开发包(Software Development Kit,“SDK”)、应用编程接口(Application Programming Interface,“API”)、应用程序插件等代码或通过其他合作方式等。这时,区分不同类型的SDK/API,登陆、反欺诈、营销分析类所涉及的信息往往以运行数据为主,而功能服务类的(如语音/图片输入等)则经常涉及服务数据(以下简称“基于合作提供”);
最后,也包括当应用提供者/模型提供者自身出于训练、精调模型或优化应用/服务等目的,在自身的集团体系内或通过数据中台进行数据提供的场景,此时提供的数据可能既包括账号数据、也包括服务数据和运行数据(以下简称“基于优化提供”)。
针对基于服务提供的情形,往往有机会以委托处理作为数据处理的依据,从而豁免受托处理者再次寻求相关主体的同意或构建其他合法性基础。
针对基于合作提供的情形,在向用户取得明确授权的基础上,还应注意列明第三方信息共享清单(其中包括第三方主体、信息类型、使用目的、使用场景、收集方式等),特别应注意的是,除自身的隐私政策要进行覆盖以外,还需要提供这些第三方的隐私政策。此外,亦需要针对SDK、API等进行安全监测,以确保数据/信息安全。
针对基于优化提供的情形,除通过隐私政策覆盖授权外,还应注意构建该等提供的范围和目的与优化服务之间的合理关系,以避免被认定为违反了最小必要原则。此外,也可以考虑设置选择性参与等方式,通过客户的主动勾选(或主动关闭)来明确客户参与和提供的主观意愿,提高数据合规水位。此外,构建体系内的数据管理平台(Data Management Platform,“DMP”,也称“数据中台”),也是有效的解决路径之一。
出境
根据《数据出境安全评估申报指南(第二版)》(“《数据出境申报指南》”),被认定为数据出境行为的情形包括[20]:
数据处理者将在境内运营中收集和产生的数据传输至境外;
数据处理者收集和产生的数据存储在境内,境外的机构、组织或者个人可以查询、调取、下载、导出;
符合《个人信息保护法》第三条第二款情形[21],在境外处理境内自然人个人信息等其他数据处理活动。
通常来看,上述境内或境外,从数据的角度来看,其存储地点的判定主要依据其存储介质/服务器的部署;从主体的角度来看,其控制地点的判定主要依据其控制主体的国籍或设立地。
结合上述讨论,我们探讨如下两种涉及数据出境的可能性:
若境内应用提供者,通过集成境外模型提供者所提供的模型产品研发应用产品,则除非完全进行本地化部署,否则无论是采用境外的云服务或通过境外API进行模型调用,或以其他方式跨境调用算力以进行境内数据的处理,均可能涉及数据出境;
若境内模型提供者/应用提供者,通过“模型产品出海”或“应用产品出海”的模式开展业务,那么需要区分情况讨论:
若该模式仅涉及境内部署的模型产品被集成或应用产品被调用,而不会调用境内数据库参与输出内容的生成,则不涉及数据出境——值得注意的是,在此模式下须确保在模型训练阶段,或者若模型/产品同时对境内用户开放的情况下,包括服务数据在内的相关境内数据,不在向境外用户输出的过程中被提供或展示;
反之,若在出海的过程中,对于境外用户的输出内容的生成调用了境内数据,或境内模型训练数据在内容输出时被展示,则仍有一定可能被认定为数据出境。
涉及数据出境的,若构成《数据出境安全评估办法》[22]及《促进和规范数据跨境流动规定》[23]规定的需要申报数据出境安全评估的情形的(不一致的以后者为准),且不满足后者所规定的豁免情形[24]的,应当通过所在地省级网信部门向国家网信部门申报数据出境安全评估。
使用
总体而言,数据/个人信息的使用,其使用目的与使用范围,应遵循合法性原则[25]与最小必要原则(合称“合法最小必要”)。
因此,一方面有必要将数据/个人信息使用的具体目的、范围等在隐私政策中予以明确约定并获得相应授权,另一方面,也需要注意不同法律法规针对各类使用方式的具体规定(前述使用方式尽管不直接针对大模型场景,但是在包括大模型场景在内的大多数互联网信息服务中都可能涉及),并结合大模型服务的相关场景进行辨析:
表6 不同类型个人信息使用分类
针对上述不同类型的使用行为,相关法律法规还提出了如下具体要求:
表7 不同类型个人信息使用要求
存储
大模型场景下必然涉及对于数据的存储,且被存储的数据既可能涉及个人信息,也在特定情况下可能涉及重要数据。
首先,对于数据及个人信息的存储,原则上应该在境内进行。否则可能涉及数据出境,我们将在后文就出境专门进行介绍。此外,如构成关键信息基础设施运营者,则针对达到一定数量的个人信息的境内存储将成为一项强制性法律要求[26]。
其次,当涉及个人信息的存储时,也会同样涉及《个人信息保护法》[27]和《网络数据安全管理条例》[28]关于保存期限/保存期限确定方法,以及到期后处理方式等的告知义务,因此也建议在隐私政策中予以明确。
与收集类似,对于个人信息,《个人信息安全规范》也提出了包括储存时间最小化[29]、去标识化存储[30]、加密存储、采取技术措施存储等要求。特别是针对个人生物识别信息,建议将原始信息和摘要信息分开存储,或仅收集、存储、使用摘要信息[31]。
04
凭什么处理
关于重要数据
总体而言,AIGC服务/大模型及其应用场景下所涉及重要数据的情况并不常见,因此我们仅对涉及重要数据的要求(也包括数据安全领域的核心合规要素要求)先做简要梳理,并整理为下表:
表8 数据及重要数据合规要素表
如涉及核心数据/重要数据,需要根据上表内容,做到相关的法律合规要求。对于不涉及核心数据/重要数据的部分,我们将主要从个人信息保护的角度梳理其要求。
此外,如上文所述,网络数据处理者处理1000万人以上个人信息的,将参照适用重要数据处理者的相关规定,我们需要注意这类个人信息因量变而构成或参照重要数据管理的相关情形。
告知 ——同意
《个人信息保护法》构建了以“告知——同意”为核心的个人信息处理规则[32],该原则也同样贯穿于大模型及其应用的数据合规场景中。
根据《个人信息保护法》的规定[33],在处理个人信息前,应以显著方式、清晰易懂的语言真实、准确、完整地向个人进行告知包括处理者信息、处理目的、处理方式、处理种类、保存期限、权利响应机制等在内的相关法定事项。该法亦规定[34],如涉及敏感个人信息的,还应告知处理敏感个人信息的必要性以及对个人权益的影响。
在此基础上,《个人信息保护法》将处理个人信息应当取得个人同意作为基本原则,并 规定了同意作出的前提是充分知情、明确自愿[35],且个人对于同意有撤回权[36],且针对特定情形下应取得单独同意的情形(如对外提供[37]、公开[38]、公共场所[39]、处理敏感个人信息等)作了规定。
在此基础上,2023年5月23日颁布的《个人信息处理中告知和同意的实施指南》(GB/T 42574—2023,“《告知同意指南》”)进一步对该核心规则提出了细化标准。
例如,《告知同意指南》创设性地将告知的方式明确分为三类:一般告知、增强告知和即时提示。个人信息处理者需根据产品或服务特点、想要达到的告知目的、监管要求等,采用最为恰当的告知方式。
《告知同意指南》将同意分为两种:明示同意和推定同意。衔接《个人信息保护法》的“多元化的合法性基础”,特定情形下的数据处理活动依旧可以豁免同意。
针对单独同意,《告知同意指南》还提供了四种可以一定程度豁免单独同意的例外情形,其核心共同点在于具备“同一处理目的”,主要包括:
一目的多字段:针对同一个处理目的或同一业务功能同时处理多项个人信息字段, 且逐项拆分字段后无法达成处理个人信息目的或无法实现该业务功能的;
一目的多敏感:为实现某一特定目的需要同时处理多项敏感个人信息的;
一目的多步骤:为实现某一特定目的处理敏感个人信息时,涉及收集、使用、提供等多个步骤个人信息处理GB/T 42574—2023活动或涉及多人的,且多个处理活动或多个主体拆分后无法达成该特定目的的;
一目的多文件:在对具体个人信息处理活动给出单独同意的同时,如还要求个人同意针对该处理活动所必需的服务协议等其他与个人信息处理规则无关的法律文件的。
这里特别需要注意的是,与“告知”与“同意”的最大不同在于,即使有其他合法性基础作为支撑,豁免的也往往是同意义务,但并不豁免告知义务。因此,如何以恰当方式开展对用户的告知,依然是大模型场景下做好数据合规的关键问题。
此外,原则上取得同意的范围,也不应超出告知的范围,即所谓“告知同意一致”。不过,在大多数情况下,考虑到“告知——同意”往往会被基于用户协议或隐私政策所整合,因此该原则一般是可以被满足的。
图4 告知——同意为核心的处理规则示意
合法性基础
《个人信息保护法》规定了“多元化的合法性基础”[40] ,除同意本身以外,具备其他合法性基础具有豁免同意的效果,包括:
同意:取得个人的同意;
履行合同所必须:为订立、履行个人作为一方当事人的合同所必需,或者按照依法制定的劳动规章制度和依法签订的集体合同实施人力资源管理所必需;
法定义务所必须:为履行法定职责或者法定义务所必需;
紧急避险:为应对突发公共卫生事件,或者紧急情况下为保护自然人的生命健康和财产安全所必需;
新闻舆论:为公共利益实施新闻报道、舆论监督等行为,在合理的范围内处理个人信息;
公开信息:依照本法规定在合理的范围内处理个人自行公开或者其他已经合法公开的个人信息;
其他法定情形:法律、行政法规规定的其他情形。
在上述合法性基础中,除取得同意外,AIGC服务的训练或输出中,也经常通过直接检索公开信息,来豁免相关数据合规要求。此外,也存在通过公共数据资源授权运营的方式来取得训练数据并训练模型的讨论,但该情形是否属于“法定义务所必须”仍存在一定争议。
此外,针对特定领域集成了大模型的应用产品,如通过金融智能体提供相关金融服务等,部分特定情形下将来可能会通过“履行合同所必须”的合法性基础开展(如资产转让/通证化等)。随着大模型越来越多地被集成或整合到其他行业的服务中,这一合法性基础的使用预计会变得更加频繁。
委托处理
除具备多元化的合法性基础外,根据《个人信息保护法》的规定[41],个人信息处理者也可以委托处理个人信息——在此情况下,向受托处理者提供个人信息,且受托处理者在约定的处理目的与方式项下处理个人信息,原则上无需再次获得个人信息主体的同意。
此外,《网络数安管理条例》也将个人信息和重要数据的委托处理,纳入了规制范围。
图5 委托处理与其他处理方式比较
委托处理需要满足一定的条件,包括:
事前评估:应当事前进行个人信息保护影响(Personal information protection Impact Assessment,“PIA”)评估,并对处理情况进行记录[42];
合同约定:与受托人约定委托处理的目的、期限、处理方式、范围、个人信息的种类、保护措施/安全保护义务以及双方的权利和义务等,并对受托人的个人信息处理活动进行监督;
处理范围:受托人应当按照约定处理个人信息,不得超出约定的处理目的、处理方式等处理个人信息;
保存记录:向其他网络数据处理者提供、委托处理个人信息和重要数据的处理情况记录,应当至少保存3年[43];
终止还原:委托合同不生效、无效、被撤销或者终止的,受托人应当将个人信息返还个人信息处理者或者予以删除,不得保留;
禁止转委托:未经个人信息处理者同意,受托人不得转委托他人处理个人信息;
保障措施:采取必要措施保障所处理的个人信息的安全,并协助个人信息处理者履行本法规定的义务[44]。
图6 个人信息保护影响评估
委托处理模式在AIGC服务场景下非常常见和实用。
例如,在上述涉及信息提供的场景下,无论是上文所提及的基于服务提供、基于合作提供亦或是基于优化提供,被提供并进行处理的相关方(如模型提供方、云服务商或第三方、关联方等),其特点是基本上都是应信息提供方之要求,在其所委托的范围内就信息进行处理,而不会独立地决定处理目的、处理方式。因此,处理者即有较为充分的空间,基于委托处理的模式,豁免更为繁琐的单独同意或其他类型的授权而便捷地开展信息交互。
此外,在大多数互联网信息服务中,关联方之间通过数据管理平台(Data Management Platform,“DMP”,也称“数据中台”)模式进行信息交互与处理的,也经常需要构建委托处理的关系。在注意满足前述委托处理相关条件的情况项下,委托处理也是DMP模式下非常好的法律关系工具。
必备流程
针对重要数据/敏感个人信息进行处理,或者符合其他特定条件的,往往涉及法律法规项下所要求的各类必备流程,我们将主要的流程梳理后,如下表所列示:
表9 各类必备流程梳理
隐私政策
上述讨论的各项内容,出必备流程外,从协议层面上,往往需要整合进AIGC服务协议,或纳入单独的隐私政策。
根据《网络数安管理条例》的规定,隐私政策作为个人信息处理规则的体现,应当集中公开展示、易于访问并置于醒目位置,内容明确具体、清晰易懂,并包括相应的法定内容。处理不满十四周岁未成年人个人信息的,还应当制定专门的个人信息处理规则[53]。
从具体条款的角度而言,隐私政策往往需要包括收集授权与处理授权两个类型的条款,并应围绕不同的阶段和不同的处理行为进行相应规定。考虑到我们在此前的文章《AIGC合规落地全景图 | 如何设计一份好的服务协议(条款篇)》已经作了详细介绍,在此不再赘述。
扫码获取更多干货资料
一川研究团队
|
|
|
|
|
|
|
|
|
李晶 一川研究员 金杜律师事务所 资深律师 lijing12@cn.kwm.com |
|
领域 结构性融资 资产证券化 REITs 金融监管/数据合规 行业 金融机构 金融科技 地产 基础设施 |
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2025-06-07
从基础开始,先理解 AI 是什么(上篇)
2025-06-07
AI术语入门(下篇):Prompt、Agent、Langchain,下一站的AI地图
2025-06-07
人人能看懂的大模型MCP,附MCP服务实战指南
2025-06-07
基于QwenVL2.5模型实现发票识别
2025-06-07
冒泡鸭退场,我看到了AI陪伴的下半场
2025-06-07
Ollama 五月更新解读:多模态、工具调用、模型思考,AI 本地化再进一步!
2025-06-07
DeepSeek R2 1200B未发,大厂已在调整智算中心布局,兵马未动粮草先行!
2025-06-07
Agent 开发的上半场: 环境、Tools 和 Context 如何决定 Agent | 42章经
2024-08-13
2024-06-13
2024-08-21
2024-07-31
2024-09-23
2024-05-28
2024-08-04
2024-04-26
2024-07-09
2024-07-20
2025-06-07
2025-06-05
2025-06-04
2025-06-04
2025-06-03
2025-06-02
2025-05-31
2025-05-29