前元研究员下载盗版书籍，“因诉讼”将其删除

在加州联邦法院的一系列诉讼中，Meta 因使用盗版书籍训练其 Llama AI 模型而被起诉。这些诉讼是分开的，但文斯·查布里亚法官将它们一起处理。原告包括莎拉·西尔弗曼（Sarah Silverman）和塔内西斯·科茨（Ta-Nehisi Coates）等作家，以及企业家媒体（Entrepreneur Media）和心灵鸡汤等出版商。 8 月份，Meta 告诉《企业家》，它不相信自己通过 BitTorrent 获得了盗版 Books3 数据集。 Books3 收藏了近 200,000 本书，取自私人 torrent 追踪器 Bibliotik 的图书馆。然而，根据权利人的说法，一位前 Meta 研究人员最近的证词讲述了一个不同的故事。 Books3 Torrent 证词 在周二向 Meta 提交的一份联合状态报告中，版权所有者表示，史蒂芬·罗勒 (Stephen Roller) 在上周的证词中承认，他下载了 Books3 并故意分发。他们表示，Roller 于 2017 年至 2023 年间在 Meta 工作，下载发生在该期间。原告指出，罗勒不记得他何时获得该数据集。他确实承认 Books3 是在 2020 年创建的，并且他在 Meta 期间没有为任何其他公司工作过。这是相关的，因为法院去年裁定 Llama 的书籍培训属于合理使用，使得 Meta 的 BitTorrent 下载成为作者案件中的主要悬而未决的问题。本月早些时候，法官命令 Meta 公布批准从影子库下载种子的员工名单。 Meta 之前就承认使用过 Books3。 2024 年初，该公司承认使用部分数据集来训练 Llama 1 和 Llama 2 模型。该承认没有说明 Meta 如何获得该数据集。原告写道，Roller 还作证说，Meta 在离开人工智能研究小组 FAIR 时拥有 Books3 的副本。他还点名了两名研究科学家，他们说，他们可能获得了自己的副本。 Roller 不再拥有自己的副本。据原告称，他大约一年前删除了该帖子，可能是在他第二次被传唤之后。他这样做是“由于所有这些诉讼”，因为“拥有《The Pile》[其中包括 Books3] 的副本似乎存在争议。” Books3 证词 他们写道，Meta 拥有多份副本（至少其中一份已下载）的说法对原告来说是新闻。他们计划询问 Meta 获得了多少册 Books3 以及如何获得，如果失败，他们将要求法院介入。 Meta：本来可以为他自己做 Meta 对事物的看法有所不同。该公司指出，这份状态报告是权利持有人首次提出这些担忧，而这家科技巨头辩称，罗勒的证词并不支持他们。 “罗勒先生作证说，他不知道自己何时通过 torrent 下载了‘The Pile’的副本，也没有证明他下载‘The Pile’是为了 Meta 或在 Meta，并指出这可能是为了他自己或其他雇主，”Meta 写道。 Meta 的回应 据 Meta 报道，Roller 还表示，他不知道是否下载了不止一份副本，也不知道他提到的两位研究人员是否获取了 Books3。他于 2023 年 1 月离开 Meta，此后曾在另外三家从事人工智能研究的公司工作。梅塔补充道，删除的副本存储在罗勒的个人电脑上。他在离开公司两年多后将其删除，因为他“不需要它，所以[他]宁愿没有它”。 （盗版）读书俱乐部 Books3 并不是状态报告中出现的唯一盗版材料。原告还表示，Meta 可能将盗版书籍用于人工智能培训以外的其他用途。他们希望 Meta 生成名为“ML Books”的内部 Google Drive 文件夹的内容。此外，他们还想要元读书俱乐部的记录，该俱乐部可能使用过影子图书馆的书籍。在 Meta 制作的一份文件中，一名员工与一名同事分享了一本“盗版书”。 “我知道看在牛皮纸的份上，这可能非常讽刺，”该员工写道。当被问及这本书是否是盗版时，该员工回复了“ML Books”文件夹的链接。收件人告诉另一位同事，“兄弟，她试图让我被解雇。”他补充说，他“可能需要她删除这些消息。” ML Books 原告认为这是相关的。如果 Meta 员工将影子图书馆的书籍用于读书俱乐部，这将影响 Meta 的合理使用辩护。然而，Meta 认为这个请求来得太晚了。原告于 10 月 9 日首次要求提供链接文件，此时距证据披露期已结束一个多月。至于文件夹本身，Meta 表示正在调查，并将在了解更多信息后与原告进行讨论。丢失服务器日志 Roller 的 Books3 副本并不是原告所说丢失的唯一材料。他们指出，尽管法庭命令这样做，但 Meta 仍未交出其种子下载中的所有命令历史文件。根据原告的说法，这些日志显示了 Meta 如何配置其 torrent 软件以及其针对哪些 torrent 文件，以及哪些文件有效。 S