大模型训练数据合规标准

做模型合规的人常卡在同一处：语料是算法同学爬的，授权是法务事后补的，两边对不上口径。这篇不讲空泛原则，只给一套能落到工单上的动作——从语料入库、授权留痕、个人信息处理到供应商条款比对，逐条说明要查什么、什么情况下这套标准不适用。

做模型合规的团队最常卡在同一个地方：语料是算法同学按需求爬的、买的、导的，授权文件是法务事后补的，两边口径对不上。等法务问「这批数据哪来的、谁能证明能用」，算法侧只能翻出几个脚本和一堆临时目录，谁签的字、按什么标准判的，全凭回忆。这不是态度问题，是流程没搭好。

这篇不讲空泛原则，只给一套能落到工单上的动作。从语料入库、授权留痕、个人信息处理到供应商条款比对，逐条说清要查什么、谁负责、什么情况下这套标准不适用。目标是让法务和算法团队共用一张表，而不是各说各话。按下面这套走一遍，多数项目的底稿就能从「说不清」变成「能拿出来」。

先把责任切开：算法团队管来源，法务管判断

合规扯皮多半是责任边界没切开。算法团队最清楚语料从哪来、怎么采的、采的时候有没有绕开限制；法务最清楚这份来源对应的授权能不能撑住训练用途。把这两件事混成「大家一起负责」，结果就是没人负责。正确切法是：来源事实归算法，可用性判断归法务，两边各交一份东西。

• 列出语料从采集到入库的每个交接点，明确谁签字、签什么；
• 算法侧交来源清单与采集方式，法务侧交可用性结论，两者分开存档；
• 没有交接记录的项目，先补流程再谈合规，否则后面全是扯皮；
• 交接点数量别贪多，三到四个就够，多了没人执行；
• 每个交接点设一个默认责任人，不设「共同负责人」

语料按来源分档：哪些能直接用、哪些要单独论证

把所有语料一视同仁，要么效率极低，要么漏掉高风险项。实用做法是按来源分四档：自有业务数据、公开可抓取数据、采购数据、用户上传数据。四档的默认风险和处理动作不同，先分档，再决定哪些要单独论证。分档结论写进底稿，后续换模型、换场景时能复用，不用每次从零讨论。

• 公开可抓取不等于可训练，目标站点的服务条款和robots约定要逐条看；
• 采购数据的授权范围经常只覆盖检索，不覆盖训练，逐份比对原文别偷懒；
• 用户上传数据的授权通常只覆盖「提供本次服务」，扩到训练要另拿同意；
• 分档不是一次性的，来源渠道变了要重新分档；
• 把分档结果和依据写在同一张表里，别只留结论

版权核查的动作：不是查重，是查授权链

版权核查常见误区是拿语料去查重，看有没有和已有作品高度相似。查重能发现问题，但解决不了授权问题——就算不重复，只要用了受保护作品，仍然需要授权。真正要查的是授权链：这份内容的原始权利人是谁、中间经过几手、当前这一手有没有权利再许可给训练用途。链条断在哪一环，结论就是哪一环不可用。

• 重点看图书、报刊、代码仓库、图库、音视频这几类高纠纷语料；
• 授权链要能回答：原始权利人是谁、经过几手、是否允许再许可；
• 找不到权利人的语料按不可用处理，别赌「没人会来告」；
• 授权文件里「可商用」「可分发」不等于「可训练」，措辞要抠；
• 开源许可证要逐条看，部分许可证对训练用途有额外限制

关于训练语料的版权风险类型，站内已有文章展开讲过，这里只讲怎么把结论落成核查动作。具体判断时如果拿不准某类语料的常见处理方式，可以到站内指南中心看对应条目，再结合自己项目的授权原文做决定。

个人信息与敏感信息：先去标识再谈能不能用

对话记录、客服工单、简历、医疗文本是个人信息高风险区。这类语料的处理顺序不能反：先去标识化，再判断能不能用于训练。先判断再处理，很容易在「应该能用」的假设下把原始数据铺开，后面再收就来不及。去标识化本身也有层次，简单打码和真正降低可还原性，效果差很远。

1. 建敏感字段清单列出手机号、身份证、地址、医疗描述等字段，按业务场景补充，清单本身要有版本号。
2. 入库前跑扫描用正则和规则扫描跑一遍，命中就拦下，不要设「先入库后清洗」的口子。
3. 判断可还原性去标识化不等于匿名化，能通过组合字段还原到个人的，仍按个人信息处理。
4. 跨境单独走涉及跨境传输的语料单独走一条路径，别混在通用流程里，路径要留审批记录。

模型与数据供应商的条款，要看这三处

采购模型服务或数据时，条款里最容易埋坑的三处：授权范围、数据用途、终止后的处理。授权范围要确认是否把「用于模型训练」写进去，还是只写了「提供服务」；数据用途要看你的数据是否会被对方用于改进其模型，以及能不能要求关闭；终止合作后的删除与留存条款要写清，留痕留多久也要落在纸面上。

中转站与聚合平台的条款差异很大，有的写得细、有的几乎没提训练用途。接入前先比对，可到站内平台目录与厂商目录核对各自的条款要点；价格与可用性这类会变的数字，到站内价格追踪页面核对当时的数字，别拿旧截图当依据。

留痕：出事时能拿出来的东西长什么样

留痕的目的不是应付检查，是让几个月后的人能重建当时的判断。最容易失效的留痕是「只存链接」——原文随时会改，改完链接还在，内容已经不是当初那条。正确的做法是存快照，并给每份判断结论配版本号，规则变了能回溯当时为什么这么判。

• 每个语料批次配一份来源卡：采集时间、方式、授权文件、判断人；
• 授权文件存快照，不存链接，快照和原文都要留；
• 判断结论带版本号，规则更新时旧结论不删，标注失效原因；
• 定期抽查，抽样比例和抽查记录本身就是合规证据；
• 来源卡模板统一，字段别各写各的，否则汇总时对不上

什么情况下这套流程要收紧或放松

标准流程不是一刀切。内部自用、不对外提供服务的模型，核查颗粒度可以粗一档，重点放在数据来源的真实性；面向公众提供服务、尤其涉及备案的场景，要按最严路径走，因为后续被问到时要能拿出完整链条。判断松紧的依据是「谁可能追问你」和「追问时要拿什么」，不是团队自己的舒适度。

• 内部自用模型：可简化授权链核查，但个人信息处理不能省；
• 面向公众服务：按最严路径走，来源卡、授权快照、抽查记录都要齐；
• 模型开源或对外发布权重：语料来源重新审一遍，不能沿用内部结论；
• 只做推理不做训练：重点转向输入数据的处理，而非语料授权；
• 试点项目：可按试点条款处理，但转正式前要补完整核查

上手清单：一周内能做完的事

1. 第一天：盘语料把现有语料列成表，标出来源与采集方式，先求全不求细。
2. 第二天：分档按四档分类，挑出高风险项，高风险项单独拉一张清单。
3. 第三天：找授权对高风险语料逐份找授权原文，找不到的先停用，不要观望。
4. 第四天：跑扫描跑一遍敏感字段扫描，输出命中清单，命中项逐条给处理动作。
5. 第五天：定模板把结论写成来源卡模板，定下后续批次的交接动作和责任人。

这套动作跑完一遍，项目至少能做到「问起来有据可查」。后面每次新增语料渠道，按同一套交接点走就行，不用重头讨论。真正难的不是标准本身，是让标准和日常工单绑在一起——来源卡、快照、版本号这三样只要坚持住，多数追问都能接住。