从 Hugging Face 到 GitHub：追踪开源 AI 生态系统中的许可证漂移
软件工程
2025-09-15 v1 人工智能
摘要
开源 AI 生态系统中隐藏的许可证冲突带来了严重的法律和伦理风险，使组织面临潜在的诉讼，并使用户承担未披露的风险。然而，该领域缺乏数据驱动的理解，即这些冲突发生的频率、起源何处以及哪些社区受影响最大。我们对 Hugging Face 上的数据集和模型及其在开源软件应用中的下游集成进行了首次端到端审计，涵盖了 36.4 万个数据集、160 万个模型和 14 万个 GitHub 项目。我们的实证分析揭示了系统性的不合规现象：在 35.5% 的模型到应用转换中，通过以宽松条款重新许可，消除了限制性许可条款。此外，我们构建了一个可扩展规则引擎的原型，该引擎编码了近 200 个 SPDX 和特定模型条款以检测许可证冲突，能够解决软件应用中 86.4% 的许可证冲突。为支持未来的研究，我们发布了我们的数据集和原型引擎。我们的研究强调许可证合规性是开源 AI 中的一项关键治理挑战，并提供了必要的数据和工具，以实现大规模的自动化、AI 感知的合规性。
引用
@article{arxiv.2509.09873,
title = {From Hugging Face to GitHub: Tracing License Drift in the Open-Source AI Ecosystem},
author = {James Jewitt and Hao Li and Bram Adams and Gopi Krishnan Rajbahadur and Ahmed E. Hassan},
journal= {arXiv preprint arXiv:2509.09873},
year = {2025}
}
备注
9 pages, 4 figures, 5 tables, pre-print