亚历山大项目：通过大语言模型摆脱科学知识的版权负担

付费墙、许可证和版权规则常常限制科学知识的广泛传播与复用。我们认为，从法律和技术两个层面来看，提取学术文本中的科学知识是可行的。当前方法，如文本嵌入，难以可靠地保留事实内容，简单改写可能并不具备法律效力。我们提出了社区应采纳的新想法：将学术文档转换为知识保护且与表达风格无关的表示，称为知识单元（Knowledge Units）。这些单元使用结构化数据捕获实体、属性和关系，却不包含风格化内容。我们提供的证据表明，知识单元（1）基于德国版权法和美国公平使用原则，构成了从受版权保护的科学文本中共享知识的合法可防御框架（2）保留了原文本中约 95% 的事实知识，通过在四个科学领域的事实题目表现进行评估。摆脱版权束缚的科学知识承诺带来变革性的科学研究和教育益处，使大语言模型能够复用受版权保护文本中的重要事实。为支持这一目标，我们分享了将研究文档转换为知识单元的开源工具。总体而言，我们的工作表明，在尊重版权的前提下，实现对科学知识的民主化访问是可行的。