論文の概要: We Should Separate Memorization from Copyright

• arxiv url: http://arxiv.org/abs/2602.08632v1
• Date: Mon, 09 Feb 2026 13:24:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:25.248383
• Title: We Should Separate Memorization from Copyright
• Title（参考訳）: 著作権から覚書を分離すべきである
• Authors: Adi Haviv, Niva Elkin-Koren, Uri Hacohen, Roi Livni, Shay Moran,
• Abstract要約: 我々は、暗記はコピーと同一視されるべきではなく、著作権侵害のプロキシとして使うべきではないと主張している。 我々は、技術的評価を確立された著作権基準と整合させる、アウトプットレベルのリスクベースの評価プロセスを提唱する。
• 参考スコア（独自算出の注目度）: 29.232307526669967
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The widespread use of foundation models has introduced a new risk factor of copyright issue. This issue is leading to an active, lively and on-going debate amongst the data-science community as well as amongst legal scholars. Where claims and results across both sides are often interpreted in different ways and leading to different implications. Our position is that much of the technical literature relies on traditional reconstruction techniques that are not designed for copyright analysis. As a result, memorization and copying have been conflated across both technical and legal communities and in multiple contexts. We argue that memorization, as commonly studied in data science, should not be equated with copying and should not be used as a proxy for copyright infringement. We distinguish technical signals that meaningfully indicate infringement risk from those that instead reflect lawful generalization or high-frequency content. Based on this analysis, we advocate for an output-level, risk-based evaluation process that aligns technical assessments with established copyright standards and provides a more principled foundation for research, auditing, and policy.
• Abstract（参考訳）: ファンデーションモデルの普及により、著作権問題に新たなリスクファクターが導入された。 この問題は、データサイエンスコミュニティと法学者の間で活発で活発で進行中の議論に繋がっている。 両者の主張と結果は、しばしば異なる方法で解釈され、異なる意味を持つ。 我々の立場では、技術文献の多くは、著作権分析のために設計されていない伝統的な再構築技術に依存している。 その結果、暗記と複写は、技術コミュニティと法律コミュニティの両方、そして複数の文脈で混ざり合っている。 データサイエンスでよく研究される記憶化は、コピーと同一視されるべきではなく、著作権侵害のプロキシとして使うべきではない、と我々は主張する。 我々は、合法的な一般化や高周波コンテンツに反映した技術信号と、侵害リスクを有意義に示す技術信号とを区別する。 この分析に基づいて、我々は、技術評価を確立された著作権基準と整合させ、研究、監査、政策のためのより原則化された基盤を提供する、アウトプットレベルのリスクベースの評価プロセスを提唱する。

関連論文リスト

• Dissecting Judicial Reasoning in U.S. Copyright Damage Awards [0.21485350418225238]
  著作権損害賠償の法的理由付けは 計算法的分析にとって 重要な課題だ 連邦裁判所は1976年の著作権法に従い、その解釈と要素重み付けは司法管轄区域によって大きく異なる。 本稿では,RST(Rhetorical Structure Theory)とエージェントワークフローを統合した,新しい談話に基づくLarge Language Model(LLM)手法を提案する。
  論文  参考訳（メタデータ） (2026-01-14T13:09:16Z)
• Incorporating Legal Structure in Retrieval-Augmented Generation: A Case Study on Copyright Fair Use [44.99833362998488]
  本稿では,米国著作権法におけるフェアユース・ドクトリンに合わせて,ドメイン固有のRetrieval-Augmented Generationの実装を提案する。 DMCA削除の頻度の増加とコンテンツクリエーターにとってアクセス可能な法的支援の欠如により、我々は、セマンティック検索と法知識グラフと裁判所引用ネットワークを組み合わせて、検索品質と推論信頼性を向上させる構造的アプローチを提案する。
  論文  参考訳（メタデータ） (2025-05-04T15:53:49Z)
• CopyJudge: Automated Copyright Infringement Identification and Mitigation in Text-to-Image Diffusion Models [58.58208005178676]
  我々は,新しい自動侵害識別フレームワークであるCopyJudgeを提案する。 我々は, 抽象フィルタ比較テストフレームワークを用いて, 侵害の可能性を評価する。 インフレクションを自動最適化する汎用LVLM方式の緩和戦略を導入する。
  論文  参考訳（メタデータ） (2025-02-21T08:09:07Z)
• Evaluating Copyright Takedown Methods for Language Models [100.38129820325497]
  言語モデル(LM)は、潜在的に著作権のある資料を含む様々なデータに対する広範な訓練からその能力を引き出す。 本稿では,LMの著作権削除の可能性と副作用を初めて評価する。 システムプロンプトの追加、デコード時間フィルタリングの介入、未学習アプローチなど、いくつかの戦略を検討する。
  論文  参考訳（メタデータ） (2024-06-26T18:09:46Z)
• A Dataset and Benchmark for Copyright Infringement Unlearning from Text-to-Image Diffusion Models [52.49582606341111]
  著作権法は、クリエイティブ作品を再生、配布、収益化する排他的権利をクリエイターに与えている。 テキスト・ツー・イメージ・ジェネレーションの最近の進歩は、著作権の執行に重大な課題をもたらしている。 CLIP、ChatGPT、拡散モデルを調和させてデータセットをキュレートする新しいパイプラインを導入する。
  論文  参考訳（メタデータ） (2024-01-04T11:14:01Z)
• Can Copyright be Reduced to Privacy? [23.639303165101385]
  アルゴリズムの安定性は、コピーを検出する実用的なツールとして認識されるかもしれないが、そのようなコピーは必ずしも著作権侵害を構成するものではない、と我々は主張する。 著作権侵害の確立の基準として採択された場合、アルゴリズム的安定性は著作権法の意図された目的を損なう可能性がある。
  論文  参考訳（メタデータ） (2023-05-24T07:22:41Z)
• Foundation Models and Fair Use [96.04664748698103]
  米国や他の国では、著作権のあるコンテンツは、公正な使用原理のために責任を負わずに基礎モデルを構築するために使われることがある。 本研究では,著作権コンテンツに基づく基礎モデルの開発と展開の潜在的なリスクについて調査する。 基礎モデルが公正な使用と一致し続けるのに役立つ技術的緩和について論じる。
  論文  参考訳（メタデータ） (2023-03-28T03:58:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。