IT之家12月18日消息，根据外媒TechCrunch今日报道，作家伊丽莎白·莱昂发起的一项集体诉讼，对Adobe公司提出了新的指控。诉讼称，Adobe在训练其SlimLM语言模型时，使用了大量盗版书籍数据，其中包含莱昂本人的作品。莱昂来自俄勒冈州，长期从事非虚构写作，并出版过多本写作指导类书籍。
Adobe方面介绍，SlimLM是一套面向移动设备文档辅助场景的小型语言模型，其预训练基础为SlimPajama-627B数据集。该数据集由Cerebras公司于2024年发布，被描述为一个去重、多语言的开源集合。然而，诉讼认为，SlimPajama数据集本身的来源就存在问题。
诉讼文件指出，SlimPajama是在复制并加工RedPajama数据集的基础上生成的，而RedPajama包含了备受争议的Books3数据集。Books3收录了约19.1万本图书，其中包含大量受版权保护的作品。
诉讼进一步明确，作为RedPajama的派生数据集，SlimPajama同样包含了Books3中的内容，因此不可避免地纳入了原告及其他作者的版权作品。
围绕Books3和RedPajama的争议，早已不止于Adobe。此前，苹果和Salesforce均因涉嫌在AI训练中使用相关数据集而遭到起诉。相关案件指控企业未经授权使用受版权保护内容。
在更广泛的行业背景下，类似诉讼正在成为常态。AI模型对训练数据规模的高度依赖，使得数据来源问题频频引发法律风险。今年9月，Anthropic同意向多名作者支付1.5亿美元，就其训练Claude模型时使用盗版作品的指控达成和解。该案被外界视为AI训练版权争议的重要节点，然而行业内持续扩大的法律挑战仍未终结。
