核心機制：無聲的個人檔案如何生成

Dreaming V3 拆解了過去那個透明、可供檢視的「已儲存記憶」清單。取而代之的，是一個在對話結束後非同步運行的背景合成程序。它會自動提取系統判定為相關的內容——你的偏好、限制、進行中的專案，以及具時效性的上下文——完全無需你明確下達任何指令。

這個程序會交叉掃描你的聊天記錄、曾明確儲存的記憶、上傳的 PDF 與圖片，甚至是連結的 Gmail 帳戶，將所有資訊組織成一份結構化的檔案。接著，這份檔案會在每次新對話開始時被注入到系統提示中。這意味著，AI 將以一個它自認為對你瞭若指掌的詳細面貌，來開啟每一次互動。

隱私震撼彈：96% 的記憶未經同意就建立

最令人擔憂的隱私問題，在於系統這種單方面的運作模式。一份由 Abhisek Dash 及其同事於 2026 年 2 月發表在 arXiv、並已被 2026 年 ACM Web Conference 接受的論文《演算法自畫像》（The Algorithmic Self-Portrait），分析了來自 80 位 ChatGPT 使用者的 2,050 筆記憶。研究發現，其中 96% 的記憶是系統單方面建立，而非基於使用者的明確指示。

同一份資料集更顯示，這些由系統生成的記憶中，有 28% 含有歐盟通用資料保護規則（GDPR）所定義的個人資料，更有 52% 包含了關於使用者的心理洞察。這立即引發了在 GDPR 與即將於 2026 年 8 月生效的歐盟人工智慧法案下，關於同意權與使用者畫像的重大疑慮。

問題根源：準確性瑕疵與回應失真

一套有缺陷的記憶系統所造成的不只是遺忘——它會主動污染未來的互動。OpenAI 報告指出，Dreaming V3 的事實回憶率已提升至 82.8%，相較於 2024 年最初系統的 41.5% 準確率，可謂是一大跳躍。然而，這依然意味著大約每 6 筆記憶中就可能有 1 筆是錯誤的。

更危險的是，系統現在還會從你的閒聊與過往互動中，自行推斷出你的隱含偏好，而不僅僅是記錄你的明確指示。如果它錯誤地推斷了你的喜好、飲食限制或生活狀況，這個錯誤就可能如 ZDNet 所警告的，在日後「污染它給你的每一個答案」。而系統針對過時記憶的自動改寫程序，不僅可能無法修復，還可能加劇這些錯誤，悄悄地將不實資訊埋入你的永久檔案中。

資料刪除：一個刻意設計的繁瑣過程

要重新掌控你的個人資料，是一項不小的挑戰。由於 Dreaming V3 是從你的所有對話歷史中合成記憶，所以僅僅刪除某一筆記憶項目是不夠的。在下一次的背景合成循環中，系統完全可以從過去的對話中重新提取出同樣的資訊。

為了徹底清除一項資訊，使用者必須手動找到並刪除包含原始資訊的那幾段特定對話歷史——這是一個多步驟、且操作路徑極不明顯的流程。對於那些擁有數年對話記錄的長期使用者來說，這幾乎是不切實際的。

當「上下文劣化」成為系統性問題

這就是「上下文劣化」變得至關重要，且比以往更危險的地方。上下文劣化是一個已被充分記錄的現象，指的是 AI 的表現會隨著其上下文窗口被衝突、過時或不相關的資訊填滿而逐步退化。

過去標準的解法非常簡單：開啟一個新的對話，清除所有舊資訊。但 Dreaming V3 徹底打破了這個解法。這個持續存在的記憶檔案，意味著那些陳舊或錯誤的資料——舊工作、過去的關係、已失效的偏好——將會跨工作階段地存活下來。上下文劣化的問題不再侷限於單一冗長的對話，而是成了感染每一次新對話的系統性問題。AI 的「記憶」變成了一個固定的雜音來源，無論你如何謹慎地管理個別對話，它都會系統性地削弱回應的準確性。

有限的存取權與缺失的稽核軌跡

這項更新的推出方式也增添了另一層疑慮。Dreaming V3 最初僅提供給美國的 ChatGPT Plus 與 Pro 訂閱用戶，對於國際用戶或免費方案用戶，何時才能使用尚無明確的時間表。這創造了一個雙層的隱私環境：一部分付費使用者會受到自動化建檔的影響，而另一部分則不會。

此外，從過去那份簡單、可供審計的文字記憶清單，轉變為一個由背景合成的複雜記憶狀態，大幅降低了使用者能見度。使用者再也無法輕鬆地檢視、理解或修正系統對他們所做的全套推斷。這個過程已經成了一個黑盒子，侵蝕了使用者稽核與控制自身數位檔案的能力。

核心機制：無聲的個人檔案如何生成

Dreaming V3 拆解了過去那個透明、可供檢視的「已儲存記憶」清單。取而代之的，是一個在對話結束後非同步運行的背景合成程序。它會自動提取系統判定為相關的內容——你的偏好、限制、進行中的專案，以及具時效性的上下文——完全無需你明確下達任何指令。

這個程序會交叉掃描你的聊天記錄、曾明確儲存的記憶、上傳的 PDF 與圖片，甚至是連結的 Gmail 帳戶，將所有資訊組織成一份結構化的檔案。接著，這份檔案會在每次新對話開始時被注入到系統提示中。這意味著，AI 將以一個它自認為對你瞭若指掌的詳細面貌，來開啟每一次互動。

隱私震撼彈：96% 的記憶未經同意就建立

最令人擔憂的隱私問題，在於系統這種單方面的運作模式。一份由 Abhisek Dash 及其同事於 2026 年 2 月發表在 arXiv、並已被 2026 年 ACM Web Conference 接受的論文《演算法自畫像》（The Algorithmic Self-Portrait），分析了來自 80 位 ChatGPT 使用者的 2,050 筆記憶。研究發現，其中 96% 的記憶是系統單方面建立，而非基於使用者的明確指示。

同一份資料集更顯示，這些由系統生成的記憶中，有 28% 含有歐盟通用資料保護規則（GDPR）所定義的個人資料，更有 52% 包含了關於使用者的心理洞察。這立即引發了在 GDPR 與即將於 2026 年 8 月生效的歐盟人工智慧法案下，關於同意權與使用者畫像的重大疑慮。

問題根源：準確性瑕疵與回應失真

一套有缺陷的記憶系統所造成的不只是遺忘——它會主動污染未來的互動。OpenAI 報告指出，Dreaming V3 的事實回憶率已提升至 82.8%，相較於 2024 年最初系統的 41.5% 準確率，可謂是一大跳躍。然而，這依然意味著大約每 6 筆記憶中就可能有 1 筆是錯誤的。

更危險的是，系統現在還會從你的閒聊與過往互動中，自行推斷出你的隱含偏好，而不僅僅是記錄你的明確指示。如果它錯誤地推斷了你的喜好、飲食限制或生活狀況，這個錯誤就可能如 ZDNet 所警告的，在日後「污染它給你的每一個答案」。而系統針對過時記憶的自動改寫程序，不僅可能無法修復，還可能加劇這些錯誤，悄悄地將不實資訊埋入你的永久檔案中。

資料刪除：一個刻意設計的繁瑣過程

要重新掌控你的個人資料，是一項不小的挑戰。由於 Dreaming V3 是從你的所有對話歷史中合成記憶，所以僅僅刪除某一筆記憶項目是不夠的。在下一次的背景合成循環中，系統完全可以從過去的對話中重新提取出同樣的資訊。

為了徹底清除一項資訊，使用者必須手動找到並刪除包含原始資訊的那幾段特定對話歷史——這是一個多步驟、且操作路徑極不明顯的流程。對於那些擁有數年對話記錄的長期使用者來說，這幾乎是不切實際的。

當「上下文劣化」成為系統性問題

這就是「上下文劣化」變得至關重要，且比以往更危險的地方。上下文劣化是一個已被充分記錄的現象，指的是 AI 的表現會隨著其上下文窗口被衝突、過時或不相關的資訊填滿而逐步退化。

過去標準的解法非常簡單：開啟一個新的對話，清除所有舊資訊。但 Dreaming V3 徹底打破了這個解法。這個持續存在的記憶檔案，意味著那些陳舊或錯誤的資料——舊工作、過去的關係、已失效的偏好——將會跨工作階段地存活下來。上下文劣化的問題不再侷限於單一冗長的對話，而是成了感染每一次新對話的系統性問題。AI 的「記憶」變成了一個固定的雜音來源，無論你如何謹慎地管理個別對話，它都會系統性地削弱回應的準確性。

有限的存取權與缺失的稽核軌跡

這項更新的推出方式也增添了另一層疑慮。Dreaming V3 最初僅提供給美國的 ChatGPT Plus 與 Pro 訂閱用戶，對於國際用戶或免費方案用戶，何時才能使用尚無明確的時間表。這創造了一個雙層的隱私環境：一部分付費使用者會受到自動化建檔的影響，而另一部分則不會。

此外，從過去那份簡單、可供審計的文字記憶清單，轉變為一個由背景合成的複雜記憶狀態，大幅降低了使用者能見度。使用者再也無法輕鬆地檢視、理解或修正系統對他們所做的全套推斷。這個過程已經成了一個黑盒子，侵蝕了使用者稽核與控制自身數位檔案的能力。