返回资讯中心
外部精选
软件工程
#开发者实时流

Meta的Muse展示个性化LLM如何调用个人数据

来源标题:The Price of Personalization

Meta的Muse项目展示了LLM接入个人数据后的个性化体验。作者将个人数据交给LLM后,它能直接回答签证剩余天数(33天)、结合Google Maps评论和同伴偏好推荐餐厅、根据厨房设备和烹饪习惯推荐食谱。这揭示了每个人都能使用LLM时的生活图景。

Hacker News 最新afishinmymind2026/11/6 · 11 天前30 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

当每个人都能使用LLM时,我们的世界会变成什么样?

Meta的Muse让我们得以一窥这个未来,我想和你分享它可能呈现的奇妙图景。

这个夏天,我翻遍了自己散布在世界各处的个人数据宝藏,然后教会LLM如何利用这些数据来帮我实现目标。

首先,我意识到自己造了一个新的搜索引擎,而我也一直在学习更直接地表达自己想要什么。这个夏天我在美国和欧盟之间来回飞,我问我的LLM:“今年我在欧盟还能待多少天?”它回答:“33天。”

我的LLM还能给出很棒的餐厅推荐,它会读取我的Google Maps评论、当前位置,以及它学到的关于同行朋友的偏好。这比不上在城市里走走、找本地人真正在吃的地方,但比看Eater或者搜“附近好吃的餐厅”强多了。

当我问晚餐吃什么时,我的LLM会结合我厨房里现有的设备和食材、我无油烹饪的习惯,以及我希望省时省力的偏好来推荐食谱。

这个夏天我还在家陪了我爸一段时间。他总是担心有人忘了关炉子,所以装了一个监控摄像头正对着炉灶。有一天我在做饭,突然想到:我可以用这个摄像头把我每天吃了什么、什么时候吃的,精确地喂给我的LLM。然后,我把我新获得的这份持续而详细的饮食记录,和我的健身、睡眠数据结合起来,现在我的LLM会针对我的健康目标给出建议,并直接衡量这些建议的效果。

LLM的普及和规模化也让个性化信息流变得好多了。X对我兴趣的理解现在能承载更多的细微差别,所以我也在主动向它的算法表达更多自己的想法。我的做法是在应用内问Grok问题,让它把相关推文链接附在回答里,然后我点击那些推文,就是引导它的算力去呈现更多我感兴趣的想法。

但我的很多活动仍然发生在X之外,还有大量超过24小时的相关信息我仍然想看。于是我把过去十年构建多巴胺机器中学到的一切,浇灌到我数字上下文的全部表面上,造了一个个性化信息流,帮我对自己想上瘾的东西上瘾。

我的个人LLM会读取我的Google Chrome搜索和页面访问记录、书签、Claude Code和Codex日志,以及位置信息。然后它会推荐那些正在做跟我类似事情的人和项目、我正在思考或感兴趣的话题相关的文章,以及我当前所在地方的有趣冷知识。它还会在我阅读之前先读一遍我收藏的所有内容,并用3到5句话的摘要呈现给我。

这个系统并不取代现有的个性化新闻流,但它做了一件重要的事:降低了我主动想看到的内容的获取门槛,使其与大科技公司推送的内容处在同一水平线上。

今天的个人LLM让你能把世界上任何数据采集设备变成帮你实现目标的工具。个性化搜索、个性化洞察、个性化信息流,凭借今天LLM的智能全都可行,而且不需要任何复杂技术,只要把数据连起来、提出问题,就已经极其有用了。

通过Muse,Meta向所有人免费提供个人LLM。

你只需要点击这个漂亮的蓝色按钮。你应该点吗?

从我的实验中可以清楚地看出这个界面为什么存在:我给LLM的数据越多,它们就越神奇。但这个请求并不像屏幕上看起来那么清晰或友好。

这个邀请之所以危险,是因为分享信息让别人能帮你的这个行为,距离把伤害你的能力交到他们手上,近得令人不安。读到这里的人可以直观地理解这种张力,就像脆弱性带来的风险与回报。最亲近的人——家人、朋友和爱人——恰恰是最有能力既帮助我们又伤害我们的人。但如今,我们最亲密的关系实际上是与技术以及构建这些技术的公司之间的关系。

我对这类界面的不满在于,公司在一个用途的语境下索要数据,通常是为了帮助你或保护你,你同意时以为数据只用于那一个良性目的,但实际上它还被用于另外两件不那么好的事情。

Matthew Green谈到,一个有用的个人助理、一个企业广告机器和一个政府间谍之间几乎没有区别。当我意识到底层的高分辨率数据采集基础设施是同一套,并且在实践中同时服务于这三个目标时,我真的开始相信他了。

我一直把我的LLM直接指向Google Chrome的SQLite数据库,这些数据库实际上就存储在我们自己的电脑上。它不仅包含我的搜索历史,还包含各种信息,比如我每次访问网站的时间戳、我是输入了查询还是点击了链接,以及完整的引荐链。

Google利用这套基础设施为其广告业务追踪我端到端的购买流程。从我第一次读到某样东西,到我随后运行的查询,直到我完成购买。检察官利用这些数据在刑事审判中构建意图证据。事件响应人员也可以用这些数据帮你追溯网络攻击是如何开始的:钓鱼点击、下载,等等。

你也可以用它。我用它被动地与我的LLM分享我当前感兴趣的话题,同时也分享我的浏览模式:我如何探索新想法、我从谁那里、从哪里获取观点,等等。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →