OpenAI被指隐瞒证据，纽约时报在ChatGPT版权案中递交新制裁动议

案件背景

2024 年底，纽约时报与《每日新闻》因 OpenAI 在训练 ChatGPT 时使用其新闻内容并在用户回复中出现原文，向美国法院提起版权侵权诉讼。两家媒体要求 OpenAI 提供完整的训练语料和用户对话日志，以核实其模型是否存在大规模“照搬”。

关键指控

• 内部搜索工具：据 TechCrunch 报道，OpenAI 数据隐私工程师 Vinnie Monaco 在 4 月的法庭 deposition 中透露，公司内部已搭建“Project Giraffe”，并使用 Bloom 过滤器记录模型输出中的潜在抄袭。
• 海量对话库：OpenAI 在诉讼前已积累约 7800 万 去标识化的 ChatGPT 对话，用于评估侵权风险。
• 样本提供争议：原告要求提供 1.2 亿条日志，OpenAI 将范围压缩至 2000 万，并在交付的样本中大量删减，导致法院形容“不可用”。
• 删除输出：原告称 OpenAI 在诉讼期间删除了数十亿条生成内容，涉嫌违反保存令。

法庭动向

纽约时报与《每日新闻》近日提交新动议，要求：

1. 禁止使用 2000 万条样本 作为证据，因其可信度受质疑；
2. 确认模型输出中存在大量原文再现，并据此认定侵权；
3. 对 OpenAI 施加制裁，包括支付原告的取证费用。

双方回应

OpenAI 发言人 Drew Pusateri 强硬回击：“如果我们真的相信复制新闻是合法的，就不会隐瞒事实。”他同时指出，原告试图获取用户私聊记录，侵犯用户隐私，并坚持公司已遵守公平使用原则。

行业影响

• 监管关注：此案可能成为美国首批针对生成式 AI 训练数据透明度的司法判例，监管机构或将要求企业公开数据来源。
• 技术防抄袭：Bloom 过滤器与 Project Giraffe 的曝光提醒业界，内部检测工具已在研发，但其有效性和合规性仍待检验。
• 用户信任：大量删减日志的争议或削弱公众对大模型隐私保护的信任，促使平台在数据保留与披露之间寻找平衡。

“如果 OpenAI 真诚相信我们的内容使用是合法的，就不会隐瞒真相。” — Ian B. Crosby（原告律所首席律师）

本案仍在审理中，后续判决将对 AI 内容生成的版权边界产生深远影响。