纽约时报起诉 OpenAI：GPT-4 能把付费报道背给你听？诉状这样举证

配图：AI 生成的概念示意图，非真实现场、产品截图或研究数据。

TL;DR：2023 年 12 月 27 日，纽约时报在纽约南区联邦法院起诉微软和多家 OpenAI 实体，指控其未经许可用时报文章训练模型。诉状的核心证据是附件 Exhibit J：约 100 组 GPT-4 近乎逐字复述时报文章的对照。诉状自称索赔「数十亿美元」，并请求销毁相关模型，但这只是原告的主张；诉状里写的是「scores of examples」（数十组示例），不是成百上千。

这是 2023 年底的旧事，不是今天的新闻。当时 ChatGPT 刚满一周年，「大模型训练能否算合理使用」还是个悬而未决的问题，这份诉状算是第一批由大型新闻机构正面提出的主张。

诉状说了什么

案号 1:23-cv-11195，原告是纽约时报公司，被告是微软与 OpenAI 旗下多个实体。诉状指控直接侵权、帮助与替代侵权等，并认为训练和输出两个环节都侵权：训练时复制了时报内容，模型参数里「记住」了文章，输出时又向用户展示原文。

诉状推测，GPT 系列的训练数据（Common Crawl、WebText 等）里很可能包含数以百万计的时报作品全文。它还提到，微软对 OpenAI 的投资至少为 130 亿美元。

证据：让模型「背课文」

最吸引眼球的是 Exhibit J，标题大意为「GPT-4 记忆时报内容的 100 个例子」。正文挑了两个：2019 年获普利策奖的纽约出租车贷款系列报道，以及 2012 年关于苹果外包的报道《How the U.S. Lost Out on iPhone Work》。诉状称，给 GPT-4 极少的提示，它就能吐出大段与原文近乎一致的文字。

诉状认为这些只是冰山一角，说明模型参数里编码了大量时报作品的副本或衍生品。除了 GPT-4，还有 Bing Chat 的「合成搜索结果」：它会摘录并复述付费墙背后的内容。

诉状还批评了反方向的问题：模型有时会编造内容并安到时报头上，例如 Bing Chat 「引用」了一篇文章里并不存在的段落。

「数十亿」与「销毁模型」

诉状称被告应为「数十亿美元的法定和实际损害赔偿」负责。具体金额没有给出，数字是原告的主张，不是法院的认定。

诉请里还有一项：依据美国法典第 17 编第 503(b) 条，要求销毁所有包含时报作品的 GPT 或其他大模型及训练集。

后续

据公开报道，OpenAI 的回应是：逐字复述是罕见的缺陷，并质疑时报用了特殊的提示方式才得到这些输出。这场官司此后在法院继续推进，我没有核实最新进展，请以法院文件为准。

这个案子留下的问题至今有效：当一个模型能把别人的文章背出来，它算「学习」还是「复制」？

来源：NYT Complaint, Dec 2023（Berkeley Law 镜像）；原始链接：nytco-assets.nytimes.com