研发部门下载了一套标注为开源的数据集，又把若干篇可以公开阅读的论文放进训练集。项目对外商业化时，许可证里的非商业、相同方式共享或禁止演绎条款才被翻出来。开源两个字表示权利人通过许可证允许一定方式的使用，不表示表达进入了公有领域。
著作权保护的是具有独创性的表达，不保护思想、算法或事实本身。许可证是权利人与使用者之间的合同，约定复制、修改、分发或商业使用的条件。民法典合同编适用于这类许可的成立、效力和违约。反不正当竞争法只在行为同时落入该法列明的类型时才另作评价，它不因为材料可以下载，就产生训练豁免。
开源许可证设定使用的合同条件
常见条款包括是否允许商业使用、是否允许再分发、是否要求以相同许可共享修改后的版本，以及是否禁止制作演绎作品。这些词句要以许可证原文为准。仓库首页的一句话简介、论文脚注里的致谢，都替代不了许可证文本。没有附带许可证的公开下载，只说明文件可以被访问，访问本身不是许可。
违反许可的后果取决于条款怎么写。许可证把遵守某项条件规定为获得著作权许可的前提时，超出前提的复制或分发，可能同时构成违约和侵害复制权或信息网络传播权。许可证已经授予权利、另把某项义务写成合同债务的，违反该义务主要产生违约责任，是否同时构成侵权要看许可是否因此失效。两种结构要读许可终止条款才能分开，仓库名称说明不了条款属于哪一种。
训练使用取决于许可证和作品状态
把开源数据集或已发表论文用于训练模型，在目前可以依据的著作权法、民法典和反不正当竞争法里，没有一条统一规定这种使用一律合法，也没有一条规定一律侵权。判断要同时看三件事：许可证是否允许这种复制和后续的商业利用；作品是否仍在保护期内、是否具有独创性表达；训练中的复制或向公众提供，是否落入著作权法已经列明的权利限制。
权利限制是封闭列举。个人学习、适当引用、新闻报道等情形各有自己的条件，对不上模型训练里批量复制、长期存储和商业输出的规模。学术论文可以在网上阅读，只说明发表和传播的状态。发表不消灭著作权，页下的作者姓名和参考文献也只是署名或引用，不授予他人把全文复制进训练集的权利。把「学术文本都可以拿来训练」写成结论，缺少法律依据。本文不援引任何未公布的裁判来填这个空缺，也不把某一年的讨论稿当成已经生效的豁免。
许可证里的商业使用、再分发、相同方式共享和禁止演绎，各自约束不同行为。只在内部试验、不对外提供模型，可能仍涉及复制原作品；把模型或训练集再提供给客户，则同时碰到再分发和商业使用。相同方式共享要求派生作品继续使用同一类许可，禁止演绎则限制在原作品之上形成新的表达。四项条件要逐项对照许可证原文，满足其中一项并不等于其他三项自动放开。代码、图片和论文如果分属不同许可证，要按文件或子集拆开。一份总协议覆盖不了其中没有授权的那一部分。
论文中的署名不产生使用许可
数据集如果混合了代码、图片、文本和用户上传内容，每一类的权利人和许可证可能不同。商业使用被禁止的子集，不会因为同一压缩包里还有允许商业使用的文件而一起被允许。再分发模型权重或训练语料时，相同方式共享条款还可能约束派生数据集的许可方式。
合同文本、权利状态和是否落入某项法定限制，可以按材料类型列入商事纠纷起诉材料生成器所提示的权属和使用证据。
合同责任和侵权责任的数额不自动相加。许可证约定了违约金或审计的，违约索赔按约定和民法典的违约规则衡量；著作权侵权的赔偿则走损失、获利或法定赔偿。反不正当竞争法在这里只划定行为类型：训练使用若同时构成混淆来源、虚假宣传或窃取商业秘密，才进入该法。仅仅违反开源许可的文本，停留在合同和著作权。清单上要分开登记许可证全文、作品样本和被诉的使用方式。
反不正当竞争法上的混淆、虚假宣传或侵害商业秘密，要另有对应行为才成立，训练这件事本身不自动构成那些行为。
说明：本站为一般性法律信息，不构成对个案的法律意见。法律适用、时效、管辖和证据判断应结合完整事实判断。法律法规会修订，请以现行有效的为准。
