微软称 Copilot 很少复现《纽约时报》文本
The Verge AI··作者 Lauren Feiner
关键信息
微软表示，这 820 万条聊天记录是因为包含了可能关联新闻网站的关键词而被选出，因此最有可能包含原告作品。该公司还称，一位为调查新闻中心工作的专家发现了 51 起“实质性重合”案例，而《纽约时报》则不同意微软的解释，并表示这些文件证明微软和 OpenAI 通过盗用其内容打造商业产品。
资讯摘要
微软正试图通过主张 Copilot 几乎不会复现受版权保护文本中的有意义大段内容，来削弱《纽约时报》、图书作者和其他出版商提出的版权诉求。在最新的法庭文件中，该公司表示，研究人员审查了 820 万条 Copilot 对话，而这批数据本身就存在偏向性，因为它是通过与新闻网站相关的关键词筛选出来的，更可能触及原告作品。尽管如此，微软称只有 59,545 条聊天记录与用于为模型提供依据的新闻材料至少有 16 个单词重合。微软还补充说，一位为调查新闻中心工作的专家在 CIR 作品中发现了 51 起“实质性重合”案例，而在作者方诉讼中，一位专家在这 820 万条对话中只找到了 24 条回复与原文至少有 30 个单词匹配。微软还表示，在评估的 212 本书中，只有 10 本出现了任何匹配。
基于这些数据，微软认为，偶尔出现文本复现并不足以否定大语言模型训练的变革性用途，也支持其认为使用受版权保护材料训练应被视为合理使用的立场。这些文件是在微软申请简易判决时提交的，如果法官同意，案件可能会在较早阶段结束。原告则认为，证据开示已经显示微软和 OpenAI 利用了他们的作品来构建可直接竞争、甚至替代其新闻和图书产品的商业服务。如果法官拒绝微软的请求，诉讼将继续进行。
资讯正文
微软表示，在与包括《纽约时报》和图书作者在内的出版商打版权官司之际，它在新的法律文件中称，Copilot 几乎从不会复现新闻文章和书中的整句内容，更不用说足以替代原作的实质性片段了。
作为这起诉讼取证程序的一部分，微软向一位受新闻出版商聘请的专家提供了 820 万条 Copilot 聊天日志。微软称，这些日志是特意挑选出来的，“因为它们命中了会牵涉到使用新闻原告网站的关键词，因此最有可能包含新闻原告的作品。”公司表示，随后的分析显示，其中 59,545 条与用于为 AI 模型提供基础的新闻内容至少有 16 个相同单词。微软说，调查报道中心（Center for Investigative Reporting）的一位专家在数据集中发现了 51 起与 CIR 作品“实质性重叠”的实例。类似地，在作者方诉讼中，一位专家发现，这 820 万次与 Copilot 的对话里，只有 24 条回复包含至少 30 个匹配词。微软称，在评估的 212 本书中，只有 10 本有任何匹配。
《纽约时报》不同意微软的结论。时报首席律师 Ian Crosby 在一份声明中说：“在取证过程中披露的文件和证词只会得出一个结论：微软和 OpenAI 从《纽约时报》那里窃取内容，用于打造可替代其新闻报道、威胁其业务并削弱其行业的商业产品。”他表示，“我们期待微软和 OpenAI 因其盗窃行为被追责。”调查报道中心和作者协会（Authors Guild）没有立即回应置评请求。
微软认为，这些数字强化了其观点，即在 AI 训练数据集中使用受版权保护的内容应被视为合理使用。微软称，像 Copilot 这样的系统确实依赖受版权保护的材料，但由此产生的系统用途与原始材料有显著不同。公司总结说，这些系统有时会复现部分文本，“几乎不能削弱大语言模型训练的变革性目的”。
这些文件是出版商和作者对微软与 OpenAI 提起的法律战的一部分。原告称，这两家公司基于他们的作品构建产品，如今又通过在一定程度上照搬受版权保护的内容，直接与他们竞争。新闻出版商和图书作者的诉求已被合并到一名法官名下，以简化流程，尽管出版商和作者对此提出了异议。微软于周五提交了这份文件，因为它正请求法官作出简易判决，这将使案件在早期阶段结束。（特朗普政府本周也就《纽约时报》一案提交了利益陈述，支持 OpenAI。）如果法官站在出版商和作者一边，这场法律战将继续在法庭上进行。
来源与参考
收录于 2026-09-05