微软AI模型训练数据疑云：宣称“干净数据”实则混用开放网络内容
创始人
2026-06-06 13:06:22
0次
6月5日，科技媒体TheDecoder报道指出，微软最新发布的MAI系列AI模型在训练过程中部分使用了未获授权的开放网络数据，这与微软之前所声称的“仅采用企业级、干净且商业授权数据”相矛盾。微软在宣传MAI系列模型时强调，这些模型完全基于干净数据从零开始训练，并未使用来自第三方模型的蒸馏数据。然而，官方披露的技术论文显示，MAI模型实际上依赖于商业授权数据和包括CommonCrawl在内的开放网络数据的混合方案，覆盖了授权语料和互联网公开内容。
微软在网络数据获取方式上声称使用自有爬虫，并遵守RobotsExclusionProtocol（机器人排除协议，网页链接）以及相关元标签和HTML控制项。争议点在于，对于未屏蔽内容，默认视为可被抓取，内容保护责任实际上更多落到网站所有者身上，这种逻辑近似于“没有锁门就等于同意进入”。
相关内容
热门资讯
半小时就能配齐一台机器人，深圳...
编者按：健康完备的经济生态，是推动高质量发展的重要保障。即日起，南方日报、南方+推出“解码广东经济生...
护航开学季，河源海事多措并举保...
金秋九月，新学期如期开启。为有效应对开学季学生水路返程高峰，切实防范化解水上交通安全风险，保障辖区学...
2026广马来了！9月2日10...
广州马拉松赛组委会今日（9月1日）发布消息，2026广州马拉松赛将于9月2日10点开启报名。记者了解...
救援，救援！再难也要继续
在吉隆口岸核心受灾区搜救队伍度过了风雨交加的一晚队员们为应对可能突然而至的泥石流只能穿衣而眠天亮之后...
新华视点｜深耕特色产业 激活乡...
近年来，各地立足资源禀赋，因地制宜发展特色种养、农光互补等乡村产业。通过建好基地、延伸链条、带动就近...
潮涌湾区，文通四海 第六届粤港...
羊城晚报全媒体记者梁善茵、熊安娜、李娇娇、阎回、谢婉莹报道：由广东省作家协会主办的第六届粤港澳大湾区...
净环境、畅通行、排隐患！广州城...
9月1日，广州中小学、幼儿园迎来秋季新学期。开学前夕，广州市城市管理和综合执法局统筹各区城管部门，聚...
高端访谈｜愿同中国持续巩固永久...
新华社比什凯克9月1日电 高端访谈｜愿同中国持续巩固永久全面战略伙伴关系——访哈萨克斯坦总统托卡耶夫...
西藏吉隆：巡逻在撤离村庄的党员...
8月26日上午，因尼泊尔一侧发生泥石流灾害，造成我方一侧通往吉隆口岸的道路、通信、电力中断。西藏吉隆...
一颗“粤芯”，如何撬动大湾区集...
8月28日，粤芯半导体技术股份有限公司（下称“粤芯半导体”）取得中国证监会IPO注册批文，成为创业板...