Books3: сто дев'яносто шість тисяч книжок названо
7 липня 2023 року Річард Кадрі, Сара Сільверман і Крістофер Голден подали позов проти Meta Platforms, справа 3:23-cv-03417. Стаття про LLaMA сама називає серед навчальних даних розділ Books3 набору The Pile, не описуючи його. Скарга описує: за статтею EleutherAI це 108 гігабайтів, близько 12 відсотків The Pile і третя за розміром його складова, а той, хто зібрав Books3, публічно казав, що це «весь Bibliotik» і що там 196 640 книжок.
Чому це важливо
Тут уперше обсяг спірного корпусу не оцінено, а названо точним числом, бо розробник сам послався на відкритий набір, а відкритий набір має опубліковану документацію. Позов проти моделі з відкритими вагами виявився легшим для доказування, ніж позов проти закритої: відкритість, яка мала знизити ризик, дала позивачам готовий перелік.
Ланцюжок посилань у скарзі йде так: стаття Meta називає Books3 у складі The Pile; стаття EleutherAI «The Pile: An 800GB Dataset of Diverse Text for Language Modeling» описує Books3 як набір книжок, узятий із копії вмісту приватного трекера Bibliotik; публічні заяви укладача дають 196 640. Число 196 640 належить саме цим заявам, а не статті Meta. Що запис не стверджує. Запис не каже, що Meta підтвердила кількість книжок, і не описує подальшого руху справи.