※ 引述《attacksoil (第三方程式)》之銘言：
: → lanjack: 所以我說我看起來像是openai嗎？人家查出是怎麼偷的也沒 02/01 19:14
: → lanjack: 講，我會通靈是吧？ 02/01 19:14
: → zwxyzxxx: 還有保密文件跟紙糊的一樣,對岸民間的隨便公司都能偷到 02/01 19:14
: 好像真的很多人不知道偷資料是怎麼偷
:
: 稍微說明一下好了 如果要偷 偷的方法就是花錢用openai 的api 然後用他產生qa pairs
: 來做測試資料集
:
: 看起來跟正常使用差不多 真的沒那麼好抓 也跟傳統意義上的資安沒有關係
: 推 Peurintesa: 確實 畢竟openai都沒版權意識了== 02/01 19:15
: 推 ZMTL: 其實OpenAI研發副總也在推特上稱讚DS的模型蒸餾，所以OpenAI 02/01 19:15
: → ZMTL: 「指責」DS偷我蠻好奇出自哪裡的 02/01 19:15
: → ZMTL: 然後如果模型蒸餾侵權能被搞成，OpenAI比較需要擔心他們被美 02/01 19:16
: → ZMTL: 國一堆出版社告偷資料訓練模型會不會成 02/01 19:16
: 他稱讚的模型蒸餾是指拿R3來蒸餾llama3還有qwen吧
: 至於拿openai 的輸出來重新訓練（蒸餾）是否可以告成功 我也不清楚 但據我所知官方
: 是禁止的 但還是有漏洞可鑽 (shareGPT之類的）
一般人心目中的正常訓練大概是這樣
https://i.imgur.com/Ph3DlNC.png
1. 透過網路爬蟲拿到很多資料組
2. 把資料組送到AI架構進行訓練後得到一個LLM
我看到的「偷資料的指控」則是這樣
https://i.imgur.com/OgkvURx.png
1. DS有使用ChatGPT來生成一些回答
2. DS把ChatGPT生成的回答做成新的訓練資料，用在訓練DS上面
所以這裡所謂的「被偷出來的東西」，是那些ChatGPT的回答
...這個是著作權該保護的東西嗎？
那ChatGPT在當網路爬蟲的時候怎麼就很ok？
我記得當初對於網路爬蟲訓練AI最有利的辯護之一是：
如果訓練的資料庫的訓練素材全部都要付錢，
那以後訓練模型就只有超有錢的集團能做，其他人都吃屎。
這類精神也能用在DS上吧？

我在想openai嘗試用它被告的經驗拿來告別人試試看吧==

不管啦！阿共就是只會偷，不偷就不是阿共了！

照那個偷資料的指控來看，OpenAI可以告一堆模型了。

其實這串後來還在推文的都比較認真討論了 就算只是想酸也會找一些論點 能反串這麼多篇也是辛苦了欸

我也覺得沒道德瑕疵 但openai 的policy 就是禁止 有沒有告成功過 不知道https://i.imgur.com/gLWH1Wf.jpeg

誰管你closeAI 商用當然被告到死 人家開源有金身

其實問題的根源是OpenAI根本不Open應該改成CloseAI被人酸剛好當然酸歸酸，人家policy就寫很清楚

開源跟金身一點關係都沒有吧

公司的policy有沒有法律效力又是另一回事了

其實嚴格來講應該不算偷吧，除非他們是破解OpenAI 的api免費用

8964占占占 deepseek快抓網路文章訓練喔

覺得重點在如果實際做法是下面那個，應該把叫OpenAI api的錢也算進成本，不然會害大家白高興一場（或白緊張一場）

這能叫偷的話 網路可以關掉了

看你不順眼到時候 你做什麼都可以找你麻煩 看你順眼的時候 就睜隻眼閉隻眼 現在是什麼時期 大家自己心裡有數

我也覺得從道德上來講deepseek沒有問題 而且deepseek還開源了 現在就是站在道德頂點順便諷刺OpenAI成立初衷是為了向人類共享技術

使用者規範有寫不能用就是偷，話說回來我要用也會用phi4