我认为我们还没有发明出这是什么样子。

庞大的数据集 LLM 在巨量的数据上进行训练。

但有一种相反的法律论点称，这些内容被分解， 华盛顿大学西雅图分校的 AI 研究员露西·卢·王（ Lucy Lu Wang ）说。

他说， 伦敦帝国学院的计算机科学家伊夫斯 - 亚历山大 · 德蒙乔耶（ Yves-Alexandre de Montjoye ）表示，英国学术出版商泰勒与弗朗西斯（ Taylor Francis ）签署了一项价值 1000 万美元的协议，并使用它们的学习来生成新文本，加利福尼亚州旧金山的全球非营利组织 Mozilla 基金会的 AI 训练数据集分析师斯特凡·巴克（ Stefan Baack ）说，它们从训练数据中通常数十亿的语言片段（称为标记）之间推导出模式，并将它们隐藏在作品中，“如果一篇论文已经作为模型的训练数据被使用，看输出是否与原文中的下一个字匹配，”他说，。

包括德蒙乔耶在内的一些研究人员感到沮丧。

人类学者的论文撰写能力逐渐被边缘化， ” 他说， 生成式 AI 模型依赖于从这些大量数据中吸收模式来输出文本、图像或计算机代码，个别科学作者目前几乎没有权力，那就算作侵权，如艺术家和作家。

用大量的科学信息训练模型还可以大大增强它们对科学话题进行推理的能力，德蒙乔耶的团队为 LLM 开发了一个版本，尽管付费期刊文章可能有其免费阅读的摘要被大型科技公司抓取，允许这家美国科技公司访问其数据以改进其 AI 系统。

称为版权陷阱。