Nature曝惊人内幕：论文被天价卖出喂AI！出版商狂赚上亿！作者0收入

主要观点总结

这篇文章主要讲述了学术界和业界关于使用学术论文训练大型语言模型（LLM）的争议。文章提到很多学术出版商已经向科技公司授权访问自家的论文，用来训练AI模型，这让很多论文作者感到不公平。此外，文章还介绍了如何检测自己的论文是否被用于训练AI模型的方法，以及多模态数据在学术领域的应用，如利用arXiv论文库中的图文构建多模态数据集。

关键观点总结

关键观点1: 学术出版商授权科技公司访问论文数据用于训练AI模型

许多学术出版商已经与科技公司合作，允许他们使用学术论文来训练AI模型。这引发了关于数据使用和版权问题的争议。

关键观点2: 论文作者对于自己的作品被用于训练AI模型的看法存在分歧

有些论文作者对自己的作品被用于训练AI模型持开放态度，认为这有助于提高模型的准确性；但也有些作者感到不公平，认为他们没有获得应有的报酬或知情同意。

关键观点3: 检测论文是否被用于训练AI模型的方法

目前有一些方法可以检测论文是否被用于训练AI模型，但这些方法并不完全可靠。存在一些技术难题和争议，使得确定论文是否被使用变得困难。

关键观点4: 多模态数据在学术领域的应用

例如，利用arXiv论文库中的图文构建多模态数据集，有助于提高视觉语言模型的性能。这种方法在科学领域的训练数据集稀缺的情况下尤其有用。

文章预览

点击下方 卡片 ，关注“ CVer ”公众号 AI/CV重磅干货，第一时间送达 点击进入—> 【Mamba/多模态/扩散】交流群 添加微信号：CVer111，小助手会拉你进群！ 扫描下方二维码，加入CVer学术星球 ！ 可以获得最新顶会/顶刊上的论文idea 和 CV从入门到精通资料，及最前沿应用 ！发论文/搞科研/涨薪，强烈推荐！ 转载自：新智元 【导读】 Nature的一篇文章透露：你发过的paper，很可能已经被拿去训练模型了！有的出版商靠卖数据，已经狂赚2300万美元。然而辛辛苦苦码论文的作者们，却拿不到一分钱，这合理吗？ 全球数据告急，怎么办？ 论文来凑！ 最近，Nature的一篇文章向我们揭露了这样一个事实：连科研论文，都被薅去训AI了…… 据悉，很多学术出版商，已经向科技公司授权访问自家的论文，用来训练AI模型。 一篇论文从酝酿idea到成稿，包含了多少作者日 ………………………………