我们提交的技术方案会被用于训练模型吗？
简答
不会。你上传的交底书、技术文件与生成的文稿，仅用于完成你交办的案件任务，不会用于训练对外提供的模型，也不会被用于改进面向其他客户的服务。数据处理的具体范围、留存期限与删除方式，以双方签署的服务协议为准。
展开说明
先分清「用于训练」指的是什么
讨论这个问题前，先把「训练」这个词拆开。大模型相关服务通常涉及三种数据处理：预训练（用海量语料从头训练基础模型）、微调（用特定数据继续训练以改进模型）、推理（模型运行时读取输入以产生输出）。机构真正要关心的是前两种——你的技术方案有没有被拿去做预训练或微调，成为模型能力的一部分，从而间接惠及其他用户。
推理是服务的必要环节：系统要读懂你的交底书才能完成要素抽取与文稿生成，这个过程会临时处理你的数据，但处理结果只服务于你自己的任务。判断任何一个 AI 工具的数据政策，重点都是分清这三种情形，而不是笼统地问一句「会不会用我的数据」。
PATNER 的数据处理边界
文件进入系统后，处理范围仅限于完成你交办的任务：解析、要素抽取、文稿生成与核稿。处理结果与原始文件都归属你的账号空间，任务结束后的归属关系不因处理过程而改变。系统不会把你的内容与其他机构的内容混合使用，也不会把你的数据作为模型能力的来源。
SaaS 与一体机：两种形态下的答案
SaaS 形态下，数据存储于中国境内云环境，按账号权限隔离，只有你机构的授权账号可以访问；一体机本地部署形态下，推理与存储都发生在你机构自己的机房，数据物理上不经过任何外部服务器，适合对保密有硬性要求、不允许数据出内网的机构。
两种形态下，「不用于训练」的承诺是一致的，差别只在数据存放位置与访问路径。选择依据是机构自身的保密等级要求，而不是对安全性的担心程度。
合同与审计层面
数据处理的范围、留存期限与删除方式写入服务协议，而不是停留在产品宣传里；机构可以要求签署保密协议（NDA），并在采购流程中配合安全审查与问卷。书面化的意义在于：未来人员变动、产品迭代时，承诺依然可执行、可追责。
法规层面的约束
技术方案与交底材料往往包含未公开的技术信息与商业秘密，其处理活动本身也受到法律约束。《个人信息保护法》与《数据安全法》对数据处理者的义务、安全保护措施与法律责任有明确要求；将客户技术资料用于未经同意的模型训练，在法律上存在明确风险。
这意味着「不用于训练」不只是商业承诺，也是合规要求。你在评估任何供应商时，都可以把这一点作为基础预期，而不是额外恩惠。
采购流程中怎么落实
把口头答案变成合同条款，建议在评估与采购流程中完成四件事：一是要求供应商书面说明数据处理的范围、留存期限与删除方式；二是将「不用于模型训练」写入合同或保密协议；三是明确试用结束后数据的删除时限与证明方式；四是确认供应商能否配合安全审查，包括问卷与审计。
这四件事不需要法务背景，一个下午可以完成，但能过滤掉绝大多数不严肃的供应商。
三个常见误区
一是把「不上传就安全」绝对化——团队里总有成员会用免费在线工具处理技术文档，机构层面统一口径与工具准入，比对个人的口头禁令更有效。
二是把「AI 公司都会拿数据训练」绝对化——面向企业的专业工具与面向消费者的通用助手，数据政策通常是两套逻辑，逐家核实即可，不必一概而论。
三是混淆「数据不离开内网」与「模型不会学习」——即便在一体机形态下，也应当确认模型更新机制与数据处理策略，而不是默认物理隔离解决一切问题。