- 大型语言模型（LLM）的隐私政策普遍存在阅读门槛高、篇幅冗长的问题。
- 网络安全公司 Bridewell 对 20 款主流 LLM 的隐私政策进行了评估，发现平均阅读耗时约为 20 分钟。
- 其中，Meta 的 Muse Spark 隐私政策字数超过 14000 字，预计阅读时间接近一小时。
随着约 75% 的用户每月至少使用一次 AI 聊天机器人，公众对于数据输入后如何被处理及使用的关注度日益提升。然而，作为获取这一信息主要渠道的隐私政策，其可读性却成为阻碍用户理解的关键因素。
隐私政策的可读性困境
Bridewell 的研究团队利用弗莱什阅读易度评分（Flesch Reading Ease Score）对 20 个大语言模型的隐私政策进行了量化分析。该指标由鲁道夫·弗莱什于 1948 年提出，通常 60 分以上被视为易于理解，低于 60 分则意味着文本晦涩难懂。
数据显示，这些隐私政策的平均字数为 4,603 字，但真正的挑战在于信息的理解难度。研究结果显示，受访政策的平均 Flesch 分数仅为 40.2，表明大量专业术语的使用使得普通用户难以准确把握条款含义。这意味着，尽管 ChatGPT、Google Gemini 等工具被广泛使用，但用户往往因无法有效解读隐私条款而处于信息不对称的状态。
数据训练与合规风险
除了阅读难度，数据的实际用途也是核心关注点。Bridewell 在评估中发现，受测的 20 个 LLM 中有 13 个明确将用户的输入和输出数据用于模型训练。虽然部分模型提供了“选择退出”训练的选项，但仍有不少模型未提供此功能；即便提供，操作指引也往往不够清晰。
Bridewell 数据隐私副主任 Chris Linnell 指出，员工在工作中可能面临分享敏感或机密信息的风险，而这些信息最终可能被用于训练公共 LLM。因此，企业需要建立明确的内部指导方针，界定哪些内容可以共享，哪些严禁输入，并理想情况下通过配备适当保护措施的企业账户来管理此类交互。
研究表明，LLM 的技术复杂度与其隐私政策的阅读时长呈正相关。例如，结构更为复杂的 Meta Muse Spark 或 Moonshot AI 的 Kimi K，其隐私政策所需阅读时间显著更长，进一步加剧了用户理解数据流向的难度。
