位置观：行业-学术 ML 合作的前/后训练边界应主导知识产权
综合经济学
2026-05-22 v1 经济学
摘要
行业-学术 ML 合作常常难以启动——并非出于科学原因，而是因为学者必须发表，而公司必须保护在专有数据上训练的模型，而没有标准的合同框架能解决这一矛盾。由于合同由法律部门单方面协商，许多看似的法律争议实际上是激励错位问题，只有坐在谈判桌上的科学家才能正确诊断。我们提出了 PBOS（Protect-the-Business / Open-Source-the-Science），这是一种社区可采纳的合同模板，锚定于一个技术上明确的边界：前训练制品（架构、训练代码、基准、未训练权重）属于开放科学；后训练制品（在专有数据上训练的权重）属于商业知识产权。这一边界在技术上具有意义、在法律上具有清晰性且可审计——若没有坐在谈判桌上的科学家，边界无法正确划定。我们认为，ML 社区应将 PBOS 作为此类合作的默认合同。
引用
@article{arxiv.2605.22632,
title = {Position: The Pre/Post-Training Boundary Should Govern IP in Industry-Academia ML Collaborations},
author = {Dirk Bergemann and Soheil Ghili and Nitzan Mekel-Bobrov},
journal= {arXiv preprint arXiv:2605.22632},
year = {2026}
}