盗用未公开作品训练大模型？字节回应称传闻完全不实
7月22日，字节跳动回应豆包大模型训练数据来源非法的质疑。
近日有用户发帖称，能在豆包问到自己尚未发表过的作品，怀疑豆包使用WPS的云端内容训练AI，并表达了数据泄露的担忧。字节跳动对此表示“传言完全不实”。
字节跳动回应称，豆包上的部分书目信息，来源于公开信息，并给出相关网站信息。有用户提到在豆包可以搜索出未发表过的作品情节，经核实该情节可以公开查询到，并非未发表作品。
字节跳动回应声明中的辟谣内容。
字节跳动还声明，豆包与WPS 在AI训练层面并未开展任何形式的合作，也没有使用任何用户未公开的私人数据进行训练。
前一日（7月21日），WPS亦在官方社交账号澄清称，所有用户的文档不会被用于任何AI训练目的，也不会在未经用户同意的情况下用于任何场景。WPS AI与豆包在AI层面目前并未开展任何形式的合作，不存在文档被用作AI训练的情况。
生成式AI的训练数据合规风控，是悬在大模型厂商头上的一把“达摩克利斯之剑”。
今年5月下旬发布的国家标准《网络安全技术 生成式人工智能服务安全基本要求》（征求意见稿）提到，数据用于训练前，应对数据中的主要知识产权侵权风险进行识别，发现存在知识产权侵权等问题的，服务提供者不应使用相关数据进行训练。该标准提到，将数据用于训练前，还应过滤去除数据中的违法不良信息——其中包括侵犯他人知识产权和个人信息权益的内容。
字节跳动称，会尊重用户的信息安全，并将尽最大努力，确保数据来源与使用的安全性。
采写：南都见习记者 杨柳