2026年1月15日，一組研究者向公眾展示佢哋認為具有決定性嘅證據：當被誘導生成指定內容時，若干大型語言模型會輸出同受版權保護書籍幾乎逐字相同嘅段落。研究團隊透過大規模誘導提示（prompting）同文本匹配技術，將模型輸出同已知圖書文本庫逐條比對，發現長度由數十字到整段甚至整章嘅高度重合。
文章詳述佢哋嘅檢測流程：先用精心設計嘅提示反覆抽取模型長段落，跟住用全文索引比對公共或商業圖書數據集，統計出現高重複率嘅實例。研究者強調，呢啲唔係偶發嘅「記憶碎片」，而係喺特定觸發下模型生成咗可識別、可追溯嘅版權文本片段。
報告仲分析咗複製發生嘅條件：當訓練數據入面某啲書籍或段落喺語料中佔比較高，或者有頻繁出現嘅短語模式時，模型更加容易「回放」原文；而且喺temperature（溫度）設定較低、抽樣較保守嘅情況下，模型生成長段落嘅機會反而會增加，導致更高嘅逐字複製風險。
研究者喺文章中重點討論法律同產業影響。佢哋指出，如果模型真係可以喺用戶提示下重現受保護作品嘅顯著段落，現有以「合理使用」為依據嘅辯護同行業自我監管都會面臨挑戰。過去幾年出版方、作者同律師已經就訓練數據使用發起訴訟，呢份證據可能成為新嘅核心論據，促使更多版權案件落地，或者令監管機構要求更高嘅數據透明度。
研究團隊呼籲三類應對措施：一係廠商公開訓練語料清單或接受第三方審計；二係採取技術手段檢測同降低生成嘅直接複製行為，例如喺訓練或解碼階段加入去重約束；三係制定行業標準，明確邊種程度嘅「記憶」構成侵權並建立補償機制。
對於普通用戶同開發者嚟講，呢項發現代表未來模型提供者可能會調整預設輸出策略、增加版權風險提示，或者喺商業部署前進行更嚴格嘅合規篩查。研究結論亦引發學術討論：如果模型喺某啲情況下係「記憶複製器」而唔係純粹嘅概率生成器，咁關於模型可解釋性、訓練目標同數據治理嘅新課題會更加迫切。
Futurism喺報道中指出，呢份研究公布嘅時間同近期多宗版權訴訟、立法動向重合，可能促使監管者同企業喺短期內重新評估模型嘅訓練與發布流程。研究者最後寫到，透明同技術緩解並非互斥：只有將兩者結合，先可以喺保護創作者權益同推動AI創新之間搵到新嘅平衡。
但從另一個角度諗，人類學習知識唔係都係透過參考先有嘅材料嚟形成？點界定抄襲同創新，將會係AI時代一個重大新課題。
▶️ 鍾意呢篇內容？創作真係好辛苦！
歡迎訂閱我哋嘅 YouTube 頻道：
AI Rosetta
你嘅讚好、訂閱同分享，係對我哋最大嘅支持！🙏
更多 AI 新聞請瀏覽：https://www.airosetta.com