Adobe因AI训练滥用盗版书籍面临集体诉讼

12月18日讯，据外媒TechCrunch报道，作家伊丽莎白·里昂近日对Adobe发起一项新的集体诉讼，指控其在训练SlimLM语言模型时，使用了大量盗版书籍数据，其中包括里昂本人的作品。里昂来自俄勒冈州，长期从事非虚构写作，并出版过多本写作指导类书籍。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

Adobe方面介绍，SlimLM是一套面向移动设备文档辅助场景的小型语言模型，其预训练基础为SlimPajama-627B数据集。该数据集由Cerebras于2024年发布，被描述为一个经过去重、涵盖多语言的开源集合。然而诉状指出，SlimPajama的数据来源本身就存在问题。

诉讼文件显示，SlimPajama是在复制并加工RedPajama数据集的基础上生成的，而RedPajama包含了备受争议的Books3数据集。Books3收录了约19.1万本图书，其中包含大量受版权保护的作品。

诉状明确指出，作为RedPajama的派生数据集，SlimPajama同样包含了Books3中的内容，因此不可避免地纳入了原告及其他作者的版权作品。

围绕Books3和RedPajama的争议，早已不止于Adobe。此前，苹果和Salesforce均因涉嫌在AI训练中使用相关数据集而遭到起诉，相关案件指控企业未经授权使用受版权保护内容。

在更广泛的行业背景下，类似诉讼正在成为常态。AI模型对训练数据规模的高度依赖，使得数据来源问题频频引发法律风险。今年9月，Anthropic同意向多名作者支付1.5亿美元（注：按现行汇率约合105.77亿元人民币），就其训练Claude时使用盗版作品的指控达成和解。该案被外界视为AI训练版权争议的重要节点，然而行业内持续扩大的法律挑战仍未终结。