“他们偷走了我的 GPL 许可模型！”：走向标准化与透明的模型许可
计算机与社会
2026-01-21 v2 机器学习
摘要
随着模型参数规模达到数十亿且训练消耗 zettaFLOPs 的计算量，机器学习（ML）资产的重用和协作开发在 ML 社区中变得越来越普遍。这些 ML 资产（包括模型、数据集和软件）可能源自不同来源，并在管辖许可作品及其衍生作品的使用和分发的不同许可下发布。然而，常用的许可（如 GPL 和 Apache）是针对软件的，在模型发布背景下没有明确的定义或界限。同时，被重用的资产也可能处于自由内容许可和模型许可之下，这在模型生产工作流中构成了许可不合规和侵权的潜在风险。在本文中，我们沿着两条主线应对这些挑战：1）针对 ML 工作流合规性，我们提出了 ModelGo（MG）Analyzer，这是一种集成了 ML 工作流管理词汇和编码许可规则的工具，能够进行本体推理以分析权利授予和合规问题。2）针对标准化模型发布，我们引入了 ModelGo Licenses，这是一组特定于模型的许可，提供灵活的选项以满足 ML 社区的多样化需求。MG Analyzer 基于 Turtle 语言和 Notation3 推理引擎构建，被视为迈向 ML 工作流管理链接开放数据的第一步。我们还将我们提出的模型许可编码为规则，并通过比较和实验展示了 GPL 和其他常用许可在模型发布中的影响，以及我们许可的灵活性优势。
引用
@article{arxiv.2412.11483,
title = {"They've Stolen My GPL-Licensed Model!": Toward Standardized and Transparent Model Licensing},
author = {Moming Duan and Rui Zhao and Linshan Jiang and Nigel Shadbolt and Bingsheng He},
journal= {arXiv preprint arXiv:2412.11483},
year = {2026}
}
备注
12 pages, 8 figures. Accepted for publication in WWW2026 Web4Good