纽约时报指控 OpenAI 隐瞒版权证据
TechCrunch AI··作者 Rebecca Bellan
关键信息
根据这份动议，OpenAI 先前曾表示自己无法检索训练语料，而且提供大规模 ChatGPT 日志在技术上负担很重，也会涉及隐私问题。但一份法院要求的 4 月证词据称显示，OpenAI 早已检索过训练语料，内部保存了约 7800 万条去标识化的聊天记录，并使用包括“Project Giraffe”中的 Bloom filter 在内的工具来检测输出中的复述内容。
资讯摘要
《纽约时报》和《每日新闻》正在升级对 OpenAI 的版权诉讼，指控该公司在 ChatGPT 日志和训练数据方面撒了谎。两家媒体称，它们需要这些信息来判断自己的受版权保护新闻是否被纳入 OpenAI 的训练集，以及 ChatGPT 是否在面向用户的输出中复现了这些内容。OpenAI 在整个案件中一直主张，自己无法检索训练语料，而且导出海量聊天日志在技术上很困难，也会侵犯用户隐私。可是，一份法院要求的 4 月证词据称显示，OpenAI 数据隐私工程师 Vinnie Monaco 表示，公司其实早已检索过训练语料，以查找受版权保护的新闻作品。原告还称，Monaco 透露 OpenAI 在诉讼提起前就已经建立了一个大约 7800 万条去标识化 ChatGPT 对话的数据库。
除此之外，原告还说 OpenAI 在诉讼开始后不久，在名为“Project Giraffe”的工具集中加入了一个 Bloom filter，用于检测并记录输出中的复述内容。纽约时报方面认为，这些披露很重要，因为 OpenAI 明明已经收集了相关信息，却在证据开示中让对方难以获取。现在，原告要求法官对 OpenAI 进行制裁、排除那份 2000 万条聊天日志样本、认定某些事实成立，并命令 OpenAI 支付他们追索这些证据所产生的律师费。OpenAI 则否认这些指控，称《纽约时报》是在案件前景变弱之际，试图获取与本案无关用户的私人对话。
资讯正文
《纽约时报》和《每日新闻》称，OpenAI 一直在就其搜索客户聊天记录数据和训练数据集中的受版权保护作品的能力撒谎。这是这家 AI 公司面临的为期两年的诉讼中最新的一次升级；原告指控该公司在训练其生成式 AI 模型时使用了《纽约时报》的内容，并在用户输出中复现了这些新闻报道，从而违反了版权法。
在整个案件过程中，OpenAI 一直辩称，自己没有能力搜索其训练语料库。它还辩称，搜索或生成其庞大的 ChatGPT 对话集合在技术上会很繁重，而且会引发用户隐私担忧，因为这些日志需要被调取、处理并去标识化。两家媒体寻求这些数据，是为了确定其受版权保护的新闻报道是否存在于 OpenAI 的训练数据集中，以及 ChatGPT 在多大程度上、以及以何种频率使用或复现了它们的内容来生成回复。
在 4 月份一场法院下令进行的证词询问中，OpenAI 数据隐私工程师 Vinnie Monaco 据称披露，OpenAI 早已对其训练语料库进行内部搜索和评估，以查找受版权保护的新闻作品。
Monaco 的证词还据称披露，在《纽约时报》提起诉讼之前，OpenAI 就已经积累了一个约 7800 万条去标识化 ChatGPT 对话的数据库，并在内部利用这些数据来判断自己在多大程度上侵犯了他人的作品。除这份数据集外，OpenAI 还据称在名为“Project Giraffe”的一组工具中实现了一个“Bloom”过滤器，在诉讼提起后不久便开始检测并记录输出中的“复述”现象。
后面这两项披露尤其重要。原告最初要求 OpenAI 提供 1.2 亿条聊天日志样本，但 OpenAI 通过协商将样本规模降到了仅 2000 万条。OpenAI 最终在去年 12 月把这份样本提交给法院，但据称其中包含了大量删改内容，以至于法院称该样本“无法使用”。原告还声称，OpenAI 在他们提起诉讼后，直接违反法院的保全命令，删除了数十亿条 ChatGPT 输出，并用数百万条日志替换了所请求样本中的内容。
换句话说，他们声称，OpenAI 让获取这些公司早已收集到的信息变得不必要地困难。
原告首席律师 Ian B. Crosby 在一份声明中说：“如果 OpenAI 真的相信复制我们客户的新闻报道属于合理使用且合法，那么它就不会隐瞒自己已经这么做了这一真相。”
现在，《纽约时报》和《每日新闻》正请求法官因 OpenAI 据称隐匿证据、干扰证据开示程序而予以制裁。他们要求法院禁止 OpenAI 将这份 2000 万条聊天日志样本作为证据，理由是它不可靠；要求法院认定，ChatGPT 日志本应显示原告内容被大量复述和“落地”使用；要求法院阻止 OpenAI 争辩其提交的聊天日志并不能证明存在实质性复述；并要求 OpenAI 为追查这些证据而承担律师费。
OpenAI 发言人 Drew Pusateri 在一份声明中否认了这些指控，并指责《纽约时报》试图获取私人用户对话，因为其案件正在削弱。
“随着《纽约时报》的案件不断削弱，而且他们被迫撤回了对我们的指控，他们仍在持续试图侵犯与本案毫无关系的人的隐私，包括提出这些明显虚假的指控，”Pusateri 说。“我们将继续捍卫用户隐私以及长期确立的合理使用原则。”
来源与参考
收录于 2026-07-10