纽约时报指控 OpenAI 在版权诉讼中隐瞒证据
原告称 OpenAI 在版权诉讼中谎称无法搜索训练数据，但内部证据显示其早已实施相关操作并隐瞒不报。
纽约时报和每日新闻指控 OpenAI 声称无法搜索训练数据以查找其版权作品，但内部工程师在法庭证词中承认公司早已进行过相关搜索并建立了7800万条脱敏聊天记录数据库，还使用了检测输出的过滤器。原告要求法官对OpenAI进行纪律处分。
正文摘录
纽约时报称 OpenAI 在 ChatGPT 版权审判中隐藏证据 《纽约时报》和《每日新闻》声称，OpenAI 一直在就其搜索客户聊天记录数据和训练数据集中版权作品的能力撒谎。这是针对这家 AI 公司为期两年的 [诉讼](https://techcrunch.com/2023/12/27/the-new-york-times-wants-openai-and-microsoft-to-pay-for-training-data/) 的最新升级——指控 OpenAI 通过使用《纽约时报》内容训练其生成式 AI 模型，并在用户输出中复制该新闻内容，从而违反了版权法。 在整个案件中，OpenAI 一直辩称自己缺乏搜索自身训练语料的能力。它还辩称，搜索或提供其庞大的 ChatGPT 对话集合在技术上负担过重，且会引发 [用户隐私问题](https://techcrunch.com/2025/06/25/sam-altman-comes-out-swinging-at-the-new-york-times/)，因为需要检索、处理和去标识化这些日志。原告方寻求这些数据，以确定其受版权保护的新闻内容是否存在于 OpenAI 的训练数据集中，以及 ChatGPT 生成回复时是否以及多频繁地使用或复制了他们的内容。 据称，在 4 月份法院命令的证词中，OpenAI 数据隐私工程师 Vinnie Monaco 透露，OpenAI 已对其训练语料进行了内部搜索和评估，以查找受版权保护的新闻作品。 Monaco 的证词还据称显示，早在《纽约时报》提起诉讼之前，OpenAI 就已经积累了一个包含约 7800 万条去标识化 ChatGPT 对话的数据库，并内部使用该数据库来评估其侵犯他人作品的程度。