OpenAI erklärt, dass Inhalte aus Daybreak-Sitzungen auf persönlichen Konten zur Verbesserung seiner Modelle genutzt werden können, selbst wenn „Improve the model for everyone“ ausgeschaltet ist. Für andere Aktivitäten außerhalb einer Trusted-Access-Sitzung gilt die allgemeine Einstellung weiterhin, wie OpenAI in seinen Erläuterungen zu den Datenkontrollen festhält.
Welche Aktivitäten die Einstellung erfasst
Die Ausnahme betrifft Daybreak-Sitzungen auf persönlichen Konten. Sie gilt nicht pauschal für alle Unterhaltungen desselben Kontos.
| Kontoaktivität | Wirkung der allgemeinen Einstellung „Improve the model for everyone“ |
| Daybreak-Sitzung auf einem persönlichen Konto | Inhalte können zur Modellverbesserung genutzt werden, auch wenn die Einstellung ausgeschaltet ist. |
| Andere Aktivität außerhalb einer Trusted-Access-Sitzung | Die allgemeine Einstellung gilt weiterhin. |
OpenAI nennt als Zweck der Nutzung, Schutzmaßnahmen gegen den Missbrauch im Cyberbereich zu stärken. Damit bleibt die allgemeine Einstellung für andere Aktivitäten relevant, schließt die Nutzung von Daybreak-Sitzungsinhalten auf persönlichen Konten aber nicht aus.
Was über den Zeitplan und eine separate Abwahl berichtet wurde
The Decoder berichtete am 31. Oktober 2026, die Nutzung solle am 29. November beginnen. Das Medium meldete außerdem, OpenAI habe in einer späteren Nachricht eine separate Abwahlmöglichkeit zugesagt. Die aktuelle OpenAI-Hilfeseite beschreibt eine solche Daybreak-spezifische Einstellung nicht.
Die von The Decoder wiedergegebene Mitteilung nennt Geschäftskunden und Enterprise-Kunden, andere ChatGPT-Nutzung sowie Nicht-Daybreak-Sitzungen mit Advanced Account Security als von der Änderung unberührt. Auch der Umgang mit Private Safety Processing (PSP) und Zero Data Retention (ZDR) solle unverändert bleiben.
Was Forschung zur Memorierung von Trainingsdaten zeigt
Forschungsarbeiten belegen, dass bestimmte Sprachmodelle unter bestimmten Bedingungen Trainingsbeispiele speichern und wieder ausgeben können. Carlini und Mitautorinnen und Mitautoren extrahierten wörtliche Sequenzen aus GPT-2, darunter Beispiele, die nur in einem Trainingsdokument vorkamen (Studie zu GPT-2). Nasr und Mitautorinnen und Mitautoren untersuchten mehrere Modellfamilien und beschrieben einen spezialisierten Angriff auf gpt-3.5-turbo (Studie zur Extraktion aus Sprachmodellen). Eine kontrollierte Untersuchung von Pythia-Modellen analysierte ebenfalls die wörtliche Memorierung von Trainingsdaten (Studie zu Pythia).
Diese Arbeiten untersuchten weder Daybreak Blue noch OpenAIs geplante Verarbeitung der Sitzungsinhalte. Sie zeigen daher nicht, dass ein bestimmtes Passwort oder ein anderer geheimer Inhalt aus Daybreak Blue leicht aus Modellgewichten abrufbar wäre.
