論文の概要: Partially ordering software licenses

• arxiv url: http://arxiv.org/abs/2606.31032v1
• Date: Tue, 30 Jun 2026 02:03:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.039803
• Title: Partially ordering software licenses
• Title（参考訳）: 部分的にソフトウェアライセンスを注文する
• Abstract要約: ライセンスは、発明者が構築する技術を保護し、使用方法を規制するために使用する法的手段である。 著者と選択の性質は、どのように解釈され、選択され、強制されるかがほとんど構造化されていないことを意味する。
• 参考スコア（独自算出の注目度）: 1.4901285771725858
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Licenses are legal instruments that inventors may use to protect the technologies they build and regulate how they are used -- however, the nature of their authorship and selection means that how they are interpreted, chosen, and enforced is largely unstructured. In practice, this makes it difficult to compare licenses at scale -- when is one license considered more permissive than the other, and when are their terms incomparable to each other? Currently, there is a growing list of licenses that are introduced and used, but there is no systematic way to study their relationships. This matters for platforms such as Hugging Face, GitHub, and the Python Package Index, where developers publish or build upon technologies that each have their own licenses. Using large language models (LLMs), we introduce methods for comparing licenses at scale: first, in a pairwise fashion to construct a partial ordering based on permissiveness, and second, by drawing on existing taxonomies of software licenses. The former allows us to trace restrictiveness, and the latter allows us to understand license selection as a combination of shared provisions. Our analysis recovers certain interpretable attributes that correspond to stricter licenses, with legal implications for the open-source ecosystem.
• Abstract（参考訳）: ライセンスとは、発明者が構築し、使用方法を規制するために使用する法的手段である。しかし、その権利と選択の性質は、それらがどのように解釈され、選択され、強制されるかがほとんど構造化されていないことを意味している。実際には、あるライセンスが他のライセンスよりも寛容であると見なされる場合と、その条件が互いに相容れない場合は、その比較が困難である。 現在、導入および使用されているライセンスのリストが増えているが、それらの関係を研究する体系的な方法はない。 これは、Hugging Face、GitHub、Python Package Indexなどのプラットフォームにおいて問題となる。 大規模言語モデル (LLM) を用いてライセンスを大規模に比較する手法を提案する。 前者は制約性を追跡でき、後者は共有条項の組み合わせとしてライセンス選択を理解することができます。 我々の分析は、より厳密なライセンスに対応する解釈可能な属性を回復し、オープンソースエコシステムに法的意味を持つ。

関連論文リスト

• The Prevalence and Impact of Licenses in Open Software Projects [11.111309839462814]
  1億以上のソフトウェアプロジェクトのライセンスとライセンスタイプを特定します。 寛容なライセンスは、時間の経過とともにすべてのライセンスの比率が増加することを示している。 C言語エコシステムではアクティビティが減少し,Pythonでは制限的なライセンス移行と許容的なライセンス移行を比較すると,アクティビティが増加した。
  論文  参考訳（メタデータ） (2026-06-22T15:01:02Z)
• Citation-Closure Retrieval and Per-Rule Attribution for Real-World Regulatory Compliance Question Answering [54.97384993676565]
  複雑な国内R&D規制から派生した運用知識グラフを特徴とする,新たなベンチマークであるRegOps-Benchを用いて,レギュレーションコンプライアンスQAを形式化する。 RefWalkはクロスドキュメントの引用を横切り、マックスベースのアグリゲーションを通じてマルチビュー候補を融合させ、ソースへのクレームを明示的にマッピングするためにルールごとの属性を強制する。
  論文  参考訳（メタデータ） (2026-05-28T10:38:38Z)
• "They've Stolen My GPL-Licensed Model!": Toward Standardized and Transparent Model Licensing [30.19362102481241]
  我々は、MLワークフロー管理のための新しい語彙を開発し、ライセンスルールを符号化し、権利付与とコンプライアンスの問題を分析するためのオントロジ的推論を可能にする。 分析ツールは、Linked Open Model Dataへの第一歩として想定されている、Turtle言語とNotation3推論エンジンをベースにしています。
  論文  参考訳（メタデータ） (2024-12-16T06:52:09Z)
• On the Standardization of Behavioral Use Clauses and Their Adoption for Responsible Licensing of AI [27.748532981456464]
  2018年、AI資産をリリースするためのフレームワークを提供するために、行動利用条項付きのライセンスが提案された。 2023年末時点で、4万のソフトウェアとモデルリポジトリの順序で、責任あるAIライセンスが採用されている。
  論文  参考訳（メタデータ） (2024-02-07T22:29:42Z)
• Instructional Fingerprinting of Large Language Models [57.72356846657551]
  本稿では,非常に軽量なインストラクションチューニングの一形態として,Large Language Model (LLM) の指紋認証に関する実験的検討を行う。 11個の LLM 実験の結果,このアプローチは軽量であり,モデルの正常な挙動には影響しないことがわかった。 また、パブリッシャーの誇張を防ぎ、指紋の推測やパラメータ効率のトレーニングに対する堅牢性を維持し、MITライセンスのような多段階の指紋認証をサポートする。
  論文  参考訳（メタデータ） (2024-01-21T09:51:45Z)
• Catch the Butterfly: Peeking into the Terms and Conflicts among SPDX Licenses [16.948633594354412]
  ソフトウェア開発におけるサードパーティライブラリ(TPL)は、モダンなソフトウェアの開発を加速している。 開発者は必然的にTPLのライセンスを侵害し、法的問題を引き起こす可能性がある。 幅広い主要なライセンスを含む高品質なライセンスデータセットが必要である。
  論文  参考訳（メタデータ） (2024-01-19T11:27:34Z)
• LILO: Learning Interpretable Libraries by Compressing and Documenting Code [71.55208585024198]
  LILOは、反復的に合成、圧縮、文書化を行う、ニューロシンボリックなフレームワークである。 LILOは、LLM誘導プログラム合成と、Stitchから自動化された最近のアルゴリズムの進歩を組み合わせたものである。 LILOのシンセサイザーが学習した抽象化を解釈し、デプロイするのを手助けすることで、AutoDocがパフォーマンスを向上させることが分かりました。
  論文  参考訳（メタデータ） (2023-10-30T17:55:02Z)
• SILO Language Models: Isolating Legal Risk In a Nonparametric Datastore [159.21914121143885]
  推論中にこのリスクパフォーマンストレードオフを管理する新しい言語モデルであるSILOを提案する。 SILOは(1)オープンライセンスコーパス(OLC)上でパラメトリックLMをトレーニングすることで構築されます。 データストアへのアクセスはドメインのパフォーマンスを大幅に改善し、PileでトレーニングされたLMでパフォーマンスギャップの90%を閉じる。
  論文  参考訳（メタデータ） (2023-08-08T17:58:15Z)
• LiResolver: License Incompatibility Resolution for Open Source Software [13.28021004336228]
  LiResolverは、オープンソースソフトウェアのライセンス不互換性問題を解決するための、きめ細かい、スケーラブルで柔軟なツールです。 総合的な実験ではLiResolverの有効性が示され、不整合問題の局所化には4.09%の偽陽性(FP)と0.02%の偽陰性(FN)が有効である。
  論文  参考訳（メタデータ） (2023-06-26T13:16:09Z)
• FedSOV: Federated Model Secure Ownership Verification with Unforgeable Signature [60.99054146321459]
  フェデレートラーニングにより、複数のパーティがプライベートデータを公開せずにグローバルモデルを学ぶことができる。 本稿では,FedSOVという暗号署名に基づくフェデレート学習モデルのオーナシップ検証手法を提案する。
  論文  参考訳（メタデータ） (2023-05-10T12:10:02Z)
• Lessons from Formally Verified Deployed Software Systems (Extended version) [65.69802414600832]
  本稿は、正式に認証されたシステムを作成し、実際に使用するためにデプロイした各種のアプリケーション分野のプロジェクトについて検討する。 使用する技術、適用の形式、得られた結果、そしてソフトウェア産業が形式的な検証技術やツールの恩恵を受ける能力について示すべき教訓を考察する。
  論文  参考訳（メタデータ） (2023-01-05T18:18:46Z)

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。