聊天应用 Signal 对当前版本的 Microsoft Recall 感到不满,并利用 Windows 中的数码版权管理 (DRM) 功能来阻止该工具截取私人对话的快照。
Recall 并非默认启用,并且在捕捉截图时缺乏细致的控制。虽然它会忽略隐身模式的浏览器窗口,但其他内容一概纳入拍摄范围。Signal 以聊天隐私著称,因此认为消息窗口自动截图是不可接受的。
由于缺乏允许开发者限制 Microsoft 对桌面的窥视的设置,Signal 采用了 DRM 方法。为应用窗口设置 DRM 标记意味着 Recall (and any other screenshotter) 将会忽略该窗口。
Signal 解释道: "Apps like Signal have essentially no control over what content Recall is able to capture, and implementing 'DRM' that works for you (not against you) is the best choice that we had. It's like a scene in a movie where the villain has switched sides, and you can't screenshot this one by default either."
在 Windows 11 上,Signal 桌面版的新 "Screen security" 设置默认开启。关闭该设定会弹出警告,并要求用户确认后才能继续。
这虽然是个粗暴的工具,但几乎难以规避。正如 Signal 所指出,出于合理目的,有时确实需要截屏。例如,屏幕阅读器或放大工具等辅助功能软件若无法正常运行,将会造成问题。此外,该功能仅适用于本地设备。
Recall 在一年前的 Microsoft 2024 Build 大会上惨遭亮相。它的初衷是捕捉快照,让用户回到之前的工作状态,这看似是个好主意,但其实际实现却更像是个原型,莫名其妙地就发布到了更广泛的用户群体中。
网络安全专家和隐私活动家对 Recall 进行了严厉抨击,迫使 Microsoft 被迫重新审视其设计并改进此工具。
2025 年 4 月,在经历了 2024 年末对重构版的试探性预览后,Recall 出现在 Windows Insider Release Preview 渠道中。该功能为可选功能,并且在本文撰写时仍带有 "Preview" 标签。Microsoft 表示: "You are always in control of what apps and websites get saved in snapshots."
然而,Signal 对 Recall 的评价则更为讽刺。 "Take a screenshot every few seconds" legitimately sounds like a suggestion from a low-parameter LLM that was given a prompt like "How do I add an arbitrary AI feature to my operating system as quickly as possible in order to make investors happy?"
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。