GitHub将默认使用Copilot用户数据训练自家AI模型 个人用户需手动退出

GitHub 在官方说明中将这类训练数据概括为“输入、输出、代码片段及相关上下文”，但细则显示，采集范围远不止于此。 公司表示，收集内容还可以包括光标周围的代码、注释与文档、文件名、代码仓库结构、用户的界面导航路径、与 Copilot 功能的对话记录，以及对建议结果点选赞同或反对等反馈操作。

GitHub 称，此前在微软内部员工数据上的试验表明，基于交互数据进行训练后，Copilot 在多种编程语言上的“建议被接受率”已经出现“有意义的提升”，因此希望将这一做法扩展到所有付费用户身上。

在隐私方面，GitHub 强调，仍不会使用“静态存放”的私有代码仓库内容作为训练数据，也就是说，单纯托管在 GitHub 上、但未在 Copilot 中被调用的代码，依旧在训练范围之外。 不过，一旦开发者在私有仓库中启用并使用 Copilot，会话过程中的提示词、AI 生成的建议片段及其周边上下文，依然可能被收集用于训练，除非用户关闭相关设置。 从技术定义上看，这与直接用整库代码训练并不相同，但对许多开发者而言，这种区分恐怕难以带来安全感。

对于希望拒绝数据被用于 AI 训练的个人用户，GitHub 给出的路径是：进入 Copilot 设置页面，在“隐私”（Privacy）相关选项中，将“允许 GitHub 使用我的数据进行 AI 模型训练”（Allow GitHub to use my data for AI model training）设为“禁用”（Disabled）。 官方同时表示，此前已经在数据收集中选择“拒绝用于产品改进”的用户，其原有偏好会被保留，下月不会被自动加入新的训练计划。

根据 GitHub 的说明，在新政策下共享的数据，可能会被包括微软在内的关联公司使用，但不会开放给第三方 AI 模型提供商用于其独立训练目的。

在社区层面，这项更新，尤其是“默认同意、需主动退出”的设计，已引发大量负面反馈。 一则宣布此变更的 GitHub 社区帖子目前已收获超过百个“踩”以及众多批评评论，集中指向隐私风险、默认授权的合理性以及对开发者信任关系的冲击等问题。