Meta 前研究员庭询中承认分发 Books3，Llama 诉讼聚焦 Meta 的数据获取方式

在加利福尼亚州联邦法院的一系列诉讼中，Meta 因使用盗版书籍训练其 Llama AI 模型而被告。

这些诉讼彼此独立，但由法官 Vince Chhabria 一并审理。原告包括 Sarah Silverman、Ta-Nehisi Coates 等作者，以及 Entrepreneur Media 和 Chicken Soup for the Soul 等出版商。

八月，Meta 告诉 Entrepreneur，它不认为自己是通过 BitTorrent 获得盗版 Books3 数据集的。Books3 汇集了近 200,000 本书，这些书取自私人种子追踪站 Bibliotik 的藏书库。

然而，据权利人称，Meta 前研究人员最近的取证证词给出了不同说法。

Books3 做种证言

在周二与 Meta 共同提交的一份联合案情报告中，权利人称，Stephen Roller 上周在取证作证时承认，他曾对 Books3 进行做种，并在明知的情况下将其分发。他们表示，Roller 于 2017 年至 2023 年在 Meta 任职，下载发生在这一期间。

原告指出，Roller 没有确切记起他是何时获得该数据集的。他确实承认 Books3 创建于 2020 年，而且他在 Meta 任职期间也未为任何其他公司工作。

这一点很重要，因为法院去年裁定，使用书籍训练 Llama 属于合理使用，因此 Meta 通过 BitTorrent 下载书籍的行为仍是作者案件中主要的未决问题。本月初，一名法官命令 Meta 列出批准从影子图书馆进行做种下载的员工姓名。

Meta 以前承认使用过 Books3。2024 年初，它承认曾使用该数据集的一部分来训练 Llama 1 和 Llama 2 模型，但这一承认没有说明 Meta 是如何获得该数据集的。

原告写道，Roller 还作证称，在他离开 Meta 的 AI 研究团队 FAIR 时，Meta 已经拥有 Books3 的副本。他还提到了两名研究科学家的名字，原告称，他们很可能也各自获得了副本。

Roller 自己那份副本已经没有了。据原告所说，他大约一年前将其删除，可能是在他第二次收到传票之后。他之所以这么做，是“由于所有这些诉讼”，因为“拥有 The Pile [其中包括 Books3] 的副本似乎存在争议”。

Books3 证言

原告写道，关于 Meta 拥有多个副本、其中至少一个是通过做种获得的说法，对他们而言还是首次听闻。他们计划询问 Meta 获得了多少份 Books3 副本以及通过何种方式获得；如果 Meta 未能答复，他们将请求法院介入。

Meta 的看法不同。该公司指出，这是权利人首次提出这些担忧，而这家科技巨头认为，Roller 的取证证词并不支持这些担忧。

“Roller 先生作证称，他不知道自己何时通过种子下载了《The Pile》的副本，也没有作证称自己下载《The Pile》是为了 Meta 或在 Meta 任职期间下载，并指出此举也可能是为了他自己或为另一家雇主下载，”Meta 写道。

Meta 的回应

据 Meta 称，Roller 还表示，他不知道是否下载了不止一份副本，也不知道他提到的两名研究人员是否获得了 Books3。他于 2023 年 1 月离开 Meta，此后曾供职于另外三家从事 AI 工作的公司。

Meta 补充称，被删除的副本存储在 Roller 的个人电脑上。他是在离开公司两年多后将其删除的，因为他“不需要它，所以[他]宁愿不保留它”。

Books3 并不只是状态报告中提到的唯一盗版材料。原告还暗示，Meta 可能将盗版书籍用于 AI 训练之外的用途。

他们要求 Meta 提交一个名为“ML Books”的内部 Google Drive 文件夹中的内容。此外，他们还要求提供 Meta 读书会的记录，该读书会可能使用过来自影子图书馆的书籍。

在 Meta 提交的一份文件中，一名员工与同事分享了一本“盗版书”。该员工写道：“我以羊皮纸起誓，这事大概非常讽刺。”当被问及该书是否为盗版时，这名员工回复了一个指向“ML Books”文件夹的链接。

收件人告诉另一名同事：“哥们儿，她是想害我被开除。”他还补充说自己“可能得让她删掉那些消息”。

ML Books

原告认为这与此案相关。如果 Meta 员工使用影子图书馆中的书籍来开展读书会，那将影响 Meta 的合理使用抗辩。

然而，Meta 认为这一要求提出得太晚了。原告首次要求提供相关文件是在 October 9，即证据开示期结束一个多月之后。

至于该文件夹本身，Meta 表示正在调查，并将在了解更多情况后与原告讨论。

Roller 的 Books3 副本并非原告声称缺失的唯一材料。他们指出，尽管法院已下达命令，Meta 仍未交出其做种活动的全部命令历史文件。据原告称，这些日志显示 Meta 如何配置其种子软件、锁定了哪些种子文件，从而可知涉及哪些作品。

具体而言，原告称，Meta 仍未交出其做种期间使用的任何服务器的命令历史文件。他们现在请求法院命令 Meta 说明这些文件中是否有任何被删除，以及删除时间。

Meta 则反驳称，已从这些服务器提交了大量日志，并仍在搜索备份，正在持续分批提交新文件。据 Meta 称，没有理由相信任何命令历史文件曾被删除。

Entrepreneur 一案定于 2027 年春季开庭审理；如果该案在此之前达成和解，其他出版商将排在它后面。与此同时，相关案件清单不断扩大。本月，包括 Elsevier、Hachette 和 Macmillan 在内的出版商以及更多作者加入了排队行列。

—

一份提交至美国加利福尼亚州北区联邦地区法院的联合案件管理声明副本可在此处获取 (pdf)。