今日，一项集体诉讼被发起，指控Adobe在训练其SlimLM语言模型时使用了大量盗版书籍，其中包括作家Elizabeth Lyon的作品。Lyon是一位来自俄勒冈州的非虚构作家，出版了多本写作指导类书籍。Adobe的SlimLM是一个面向移动设备文档辅助场景的小语言模型，其预训练基础为SlimPajama-627B数据集，该数据集由Cerebras于2023年发布，被描述为去重、多语料的开源集合。然而，诉讼文件指出SlimPajama数据集的来源存在问题，它是在复制并加工RedPajama数据集的基础上生成的，而RedPajama包含广受争议的Books3数据集，后者收录了约19.1万本书籍，其中包含大量受版权保护的作品。

诉讼明确指出，SlimPajama作为RedPajama的派生数据集，同样包含Books3内容，因此不可避免地纳入了原告及其他作者的版权作品。这并非Adobe首次面临此类争议，此前苹果和Salesforce也因涉嫌在AI训练中使用相关数据集而遭到起诉。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15亿美元，就其训练Claude时使用盗版作品的指控达成和解，该案件被视为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。