禁止白嫖！知名程序员问答网站Stack Overflow将收费提供数据训练AI – 蓝点网

最近禁止白嫖的禁止将收据训公司还挺多，继 Reddit 宣布调整 API 计划并要求训练 AI 的白嫖公司必须签订单独的商业协议才能获取 Reddit 的数据，获取的知名站数据可以用于商业目的包括训练 AI 模型，之前 Reddit 并未限制这种商业目的程序的数据使用。

今天另一个大型网站 Stack Overflow 也宣布了类似的员问政策，Stack Overflow 是答网点网程序员圈子里最知名的网站之一，是费提聚焦于技术开发的问答网站，上面有各种代码类、供数技术类的练AI蓝提问和高质量的回答。

显然对于 AI 公司来说 Stack Overflow 的禁止将收据训数据肯定是个宝库，上面数以亿计的白嫖提问 / 帖子不仅可以训练 AI 的语言能力，还可以训练编程能力。知名站只不过后来者不能再白嫖了，程序必须付费才能使用。员问

Stack Overflow 将在今年年中推出适用于大型 AI 开发公司的专属 API，要开通该 API 并用于模型训练需要付费，具体费用未知，不过付费套餐包括 5000 万条提问 / 回答，这个数据量对模型训练来说也是至关重要的。

Stack Overflow 首席执行官 Prashanth Chandrasekar 表示：为 LLMs 提供动力的社区平台绝对应该因其贡献而获得补偿，这样像我们这样的公司就可以重新投资我们的社区，继续让社区蓬勃发展。

Prashanth Chandrasekar 将付费 API 计划描述为确保该网站能够吸引用户和是保持高质量信息的关键，这反过来也有助于未来的 LLMs 训练。

此外 Prashanth Chandrasekar 还强调任何开发者现在都可以通过 API 抓取 Stack Overflow 上的内容，但是！LLM 开发者已经违反了服务条款，正如 Stack Overflow TOS 所说，该网站提供的所有内容均采用知识共享许可，这意味着使用数据必须注明来源且开源。

而 AI 公司向客户销售他们的模型时，他们无法将数据归因于具体的问题和答案因此无法提及对应的帖子和作者，所以这是违反知识共享许可的。（言外之意就是诸如 OPENAI、微软、谷歌等公司实际上都是侵权的）