出品｜虎嗅科技组 作者｜宋思杭 编辑｜苗正卿 头图｜视觉中国 9月18日，有开发者发现，智谱ZCode在默认开启"代码库索引"的情况下，会将用户工作区及完整Git历史打包上传至云端；智谱随后致歉，称相关功能用于生成Repo Wiki，上传数据会在页面生成后立即销毁。 但这件事情远没有智谱说得那么轻松，他不是一次简单的误操作，也并不是产品功能配置失误，这些都低估了它的严重性。 代码泄漏的第一责任人一定是智谱。因为在这背后的原理是，用户使用的是智谱提供的产品，客户端读取什么、上传什么，功能是否默认开启，用户能否拒绝，都由智谱决定。即使问题由某个开源组件、外包团队或者技术供应商引发，智谱也不能将责任转嫁给一段代码。 更严重的是，ZCode上传的不是用户主动提交给模型的一段代码，而是整个项目工作区和Git历史。Git历史中不只有当前源码，还可能包含未发布功能、被删除的文件、本地分支、提交者信息，以及开发者曾经误传、后来删除的密钥。对一家软件公司而言，这几乎相当于把研发过程、产品路线和内部资产一起交了出去。 也就是说，用户上传给模型的数据都被用来训练智谱自己的模型。这就相当于，如果有企业员工选择用智谱的Coding模型工作，那么这些公司的机密包括核心代码，在智谱模型里面都是透明的。 而用户在这之前甚至不知道数据已经离开本地。 这也是为什么，智谱称数据已经删除，并不足以结束争议。数据一旦上传，控制权就已经发生转移。它是否进入日志、缓存和备份，是否经过其他系统处理，是否被内部人员访问，乃至是否进入后续的数据清洗与模型训练流程，用户都无法从客户端验证。 虎嗅与业内人士交流后了解到，大模型训练数据大致有两类重要
发表评论