前 Meta 研究员承认曾通过 BitTorrent 下载 Books3 数据集，称因诉讼已删除

In a series of lawsuits in California federal court, Meta is being sued over the use of pirated books to train its Llama AI models.

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

今年 8 月，Meta 告诉 Entrepreneur，它不认为自己通过 BitTorrent 获取了盗版的 Books3 数据集。Books3 是一个包含近 20 万本书的合集，取自私有种子追踪站 Bibliotik 的图书馆。

然而，据版权方称，Meta 一名前研究员近期的证词却讲述了另一个版本。

Books3 种子下载证词

在周二与 Meta 联合提交的状态报告中，版权方称 Stephen Roller 在上周的证词中承认，他通过种子下载了 Books3 并知情地进行了分发。他们称，Roller 于 2017 年至 2023 年在 Meta 工作，下载就发生在该期间。

原告指出，Roller 不记得他获取该数据集的确切时间。但他确实承认 Books3 创建于 2020 年，而他在 Meta 期间没有为任何其他公司工作。

这一点至关重要，因为法院去年裁定，用书籍训练 Llama 属于合理使用，使得 Meta 的 BitTorrent 下载成为作者案中主要的未决问题。本月早些时候，一名法官命令 Meta 说出批准从影子图书馆进行种子下载的员工姓名。

Meta 此前已承认使用过 Books3。2024 年初，它承认使用了该数据集的部分内容来训练其 Llama 1 和 Llama 2 模型。该承认并未说明 Meta 是如何获取该数据集的。

原告写道，Roller 还作证称，在他离开 Meta 的 AI 研究团队 FAIR 时，Meta 已拥有 Books3 的副本。他还指出了两名研究科学家，原告称这两人很可能获取了自己的副本。

Roller 不再拥有自己的副本。据原告称，他大约一年前将其删除，可能是在他第二次被传唤之后。他这样做是“[因]所有这些诉讼”，因为“拥有 The Pile [其中包含 Books3] 的副本似乎会引起争议。”

Books3 证词
Books3 testimony

原告写道，关于 Meta 拥有多份副本、其中至少一份是通过种子下载的指控，对原告来说是新消息。他们计划询问 Meta 获取了多少份 Books3 副本以及如何获取，如果得不到答复，将请求法院介入。

Meta 的看法不同。该公司指出，这份状态报告是版权方首次提出这些担忧，这家科技巨头辩称 Roller 的证词并不支持这些说法。

Meta 写道：“Roller 先生作证称，他不知道何时通过种子下载了‘The Pile’的副本，也没有作证称他下载‘The Pile’是为了 Meta 或在 Meta 进行，并指出这可能是为他自己或为另一个雇主。”

Meta 的回应
Meta's response

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取了 Books3。他于 2023 年 1 月离开 Meta，此后为另外三家从事 AI 工作的公司工作。

Meta 补充说，被删除的副本存储在 Roller 的个人电脑上。他在离开公司两年多后将其删除，因为他“不需要它，所以[他]宁愿没有它。”

Books3 并非状态报告中出现的唯一盗版材料。原告还指出，盗版书籍在 Meta 可能被用于 AI 训练之外的其他用途。

他们要求 Meta 提供一份名为“ML Books”的内部 Google Drive 文件夹的内容。此外，他们还要求提供 Meta 一个读书俱乐部的记录，该俱乐部可能使用了影子图书馆的书籍。

在 Meta 提供的一份文件中，一名员工与同事分享了一本“盗版书”。“我知道看在 Vellum 的份上这大概很讽刺，”这名员工写道。当被问及这本书是否为盗版时，该员工回复了一个指向“ML Books”文件夹的链接。

收件人告诉另一位同事：“兄弟，她想害我被开除。”他还补充说，他“可能需要她删掉那些消息”。

ML Books

原告认为这具有相关性。如果 Meta 员工在读书俱乐部中使用了影子图书馆的书籍，那将影响 Meta 的合理使用抗辩。

然而，Meta 辩称这一请求提出得太晚。原告首次索要相关链接文件是在 10 月 9 日，而当时证据开示期已经结束一个多月。

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。

原告称，缺失的材料不止 Roller 的那份 Books3 副本。他们指出，尽管法院已下令，Meta 仍未交出其 BT 下载的全部命令历史文件。据原告称，这些日志显示了 Meta 如何配置其 BT 软件、针对了哪些种子文件，从而也就显示了涉及哪些作品。

原告称，具体而言，Meta 尚未交出其在各 BT 下载期间使用过的任何服务器的命令历史文件。他们现在请求法院命令 Meta 说明这些文件是否被删除以及何时删除。

Meta 则反驳称，它已从这些服务器提供了大量日志，并且仍在搜索备份，以滚动方式陆续提交新文件。据 Meta 称，没有理由相信任何命令历史文件被删除。

Entrepreneur 的诉讼定于 2027 年春季开庭审理，其他出版商则排在其后，前提是此案在此之前未能和解。与此同时，相关案件的数量还在不断增加。本月，包括 Elsevier、Hachette 和 Macmillan 在内的出版商以及更多作者加入了队列。

—

提交至美国加利福尼亚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)。