Deleted memories may be retained for up to 30 days for “safety and debugging purposes”. Also remember you can turn off the “let my data help train the model” feature. But unless you’re only in temporary chats or your company has some sort of on-prem deployment of ChatGPT, it’s
DATA
-
Managing ChatGPT Privacy: Memory and Chat History Controls
By
–
So how do you manage what ChatGPT knows about you? Well, you can chat in transparent mode and it won’t save to either memory or chat history. You can also delete saved memories. BUT if you have chat history turned on and you want to make sure something is NEVER referenced,
-
Musk’s Strategic Vision for AI Integration at X
By
–
La vision de Musk va bien au-delà de l’ajout d’un simple chatbot IA sur X. « Aujourd’hui, nous franchissons officiellement une étape pour combiner les données, les modèles, la puissance de calcul, la distribution et les talents », a déclaré Musk dans l’annonce. Cela suggère une
-
Data as a competitive advantage for xAI model training
By
–
Des données humaines en temps réel, diversifiées et générées par 600 millions d’utilisateurs actifs.
— Jouhatsu | AI Influence Operator (@Jouhatsu_ai) 13 avril 2025
C’est le carburant parfait pour entraîner des modèles d’IA — et c’est exactement ce dont xAI a besoin pour rivaliser avec OpenAI et Anthropic.
Le timing est remarquable : pic.twitter.com/BxU0TjxDNdDes données humaines en temps réel, diversifiées et générées par 600 millions d’utilisateurs actifs. C’est le carburant parfait pour entraîner des modèles d’IA — et c’est exactement ce dont xAI a besoin pour rivaliser avec OpenAI et Anthropic. Le timing est remarquable :
-
X as a Strategic Data Goldmine for AI Development
By
–
Il n’achetait pas une simple entreprise de médias sociaux.
— Jouhatsu | AI Influence Operator (@Jouhatsu_ai) 13 avril 2025
Il mettait la main sur une mine d’or de données.
X possède quelque chose d’incroyablement précieux, dont la plupart des entreprises d’IA ont désespérément besoin : pic.twitter.com/M34Lg0wd4PIl n’achetait pas une simple entreprise de médias sociaux. Il mettait la main sur une mine d’or de données. X possède quelque chose d’incroyablement précieux, dont la plupart des entreprises d’IA ont désespérément besoin :
-
AI Geolocation: GeoSpy Reveals Privacy Risks Beyond Metadata
By
–
Think scrubbing metadata keeps you safe? Not from GeoSpy.
— Bilawal Sidhu (@bilawalsidhu) 13 avril 2025
A single photo can still reveal your exact geolocation — thanks to AI.
I worked on Google’s Visual Positioning System (VPS). That’s how I know how real and how dual use this capability has become.pic.twitter.com/Ljmfk7WQCPThink scrubbing metadata keeps you safe? Not from GeoSpy. A single photo can still reveal your exact geolocation — thanks to AI. I worked on Google’s Visual Positioning System (VPS). That’s how I know how real and how dual use this capability has become.
-
Graph RAG Explained: Visual Comparison with Traditional RAG
By
–
I hope this clarifies what Graph RAG is and the problems it can solve!
— Akshay 🚀 (@akshay_pachaar) 13 avril 2025
I'll leave you with a visual representation of how it works compared to traditional RAG. pic.twitter.com/OszgWvdc44I hope this clarifies what Graph RAG is and the problems it can solve! I'll leave you with a visual representation of how it works compared to traditional RAG.
-
Graph RAG Systems Superior to Naive RAG for LLM Reasoning
By
–
The entire context will help the LLM produce a complete answer, while naive RAG won't. Graph RAG systems are also better than naive RAG systems because LLMs are inherently adept at reasoning with structured data.
-
Graph Traversal for Summarizing Personal Accomplishments
By
–
During summarization, the system can do a graph traversal to fetch all the relevant context related to P's accomplishments.
-
Graph RAG: Structuring Knowledge Graphs for LLM Enhancement
By
–
Let's see how Graph RAG solves the above problem. First, a system (typically an LLM) will create a graph from documents. This graph will have a subgraph for the person (P) where each accomplishment is one-hop away from the entity node of P.