开源人工智能训练数据的合规治理

【摘要】 开源大模型的蓬勃发展，正在重塑全球人工智能竞争格局。产业界对“开源”存在两种误读：或视其为数据无版权保护，或认为算法开源必然要求训练数据同步公开。事实上，开源是基于许可证的有条件授权，算法开源与数据开放是两个相互独立的法律维度。当前，开源人工智能训练数据利用，从获取、处理到输出的全链条，面临授权缺失、个人信息保护失范、版权归责不清等风险，且不同性质数据合规要求各异。推动开源训练数据合规治理，需在完善授权契约、强化数据分类管理、部署技术防线、建设公共合规语料库等方面协同发力，为中国开源人工智能产业的可持续发展筑牢法治根基。更多还原