論文の概要: Probing Stylistic Appropriation using Large Language Models: An Evaluation Framework for Copyright Infringement under EU Law
- arxiv url: http://arxiv.org/abs/2606.31250v1
- Date: Tue, 30 Jun 2026 07:25:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-01 18:27:19.114195
- Title: Probing Stylistic Appropriation using Large Language Models: An Evaluation Framework for Copyright Infringement under EU Law
- Title（参考訳）: 大規模言語モデルを用いたスティリスティック・アロケーションの提案:EU法に基づく著作権侵害の評価枠組み
- Abstract要約: Webスケールコーパスでトレーニングされた大規模言語モデル(LLM)は、著作権を侵害する可能性のある出力を生成する。
EUの著作権ドクトリンは、スタイリスティックな選択、物語構造、創造的な共同作業にまで及ぶ相当な類似性という、より広い基準を適用している。
我々は、EU著作権の原則を10の評価者を通して運用するLSM-as-a-judgeフレームワークであるPSALMを紹介する。
- 参考スコア（独自算出の注目度）: 3.9292613467235262
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language models (LLM) trained on web-scale corpora generate output that may infringe copyright, yet existing technical safeguards focus narrowly on verbatim memorisation. EU copyright doctrine applies a broader standards: substantial similarity, which extends to stylistic choices, narrative structure, and creative elaboration. This mismatch between what current methods detect and what the law protects leaves a significant compliance gap. We introduce PSALM, an LLM-as-a-judge framework that operationalises EU copyright doctrine through ten evaluators assessing computational overlap, stylistic dimensions (writing style, narrative voice), content dimensions (character, plot, scene, world building), and statutory exceptions (parody, pastiche, quotation, scènes à faire). Applying PSALM to Llama~3.2 models fine-tuned on translated historical Dutch literary works, we find that: 1) instruction-tuned models exhibit non-trivial baseline stylistic similarity prior to corpus exposure; 2) fine-tuning induces systematic stylistic appropriation across all infringement-relevant dimensions, extending beyond verbatim memorisation to abstract narrative patterns; 3) Negative Preference Optimisation unlearning substantially reduces similarity but leaves detectable residual stylistic patterns. These findings indicate that safeguards targeting literal copying alone are insufficient to mitigate broader copyright risks. PSALM provides infrastructure for auditable, legally informed compliance evaluation, though the relationship between automated similarity scores and infringement determinations requires validation by legal experts. This work bridges qualitative legal standards and quantitative technical measurement, exposing fundamental tensions between generative AI and EU intellectual property law.
- Abstract（参考訳）: ウェブスケールコーパスで訓練された大規模言語モデル(LLM)は、著作権を侵害する可能性のある出力を生成するが、既存の技術保護は動詞の暗記に限定している。
EUの著作権ドクトリンは、スタイリスティックな選択、物語構造、創造的な共同作業にまで及ぶ相当な類似性という、より広い基準を適用している。
現在の方法が検出したものと法が保護するものとの間のミスマッチは、大きなコンプライアンスギャップを残します。
筆者らは,欧州著作権ドクトリン(LLM-as-a-judge, LLM-a-judge, LLM-as-judge, LLM-as-judge, LLM-as-judge, LLM-as-judge)フレームワークを紹介し,計算オーバーラップ,スタイリスティック次元(書き方,物語声),コンテンツ次元(キャラクタ,プロット,シーン,ワールドビルディング),および法定例外(パロディ,パスティッシュ,引用,ショーン・ア・フェア)を評価する10の評価者を通して,EUの著作権ドクトリンを運用する。
PSALM を Llama~3.2 に応用して、翻訳されたオランダの文学作品に微調整を加えれば、以下のことが分かる。
1) 指示調モデルでは,コーパスの露出前に,非自明なベースラインの様式的類似性を示す。
2) 微調整は,すべての侵害関連次元の体系的様式的鑑定を誘導し,動詞の暗記から抽象的物語パターンまでを延長する。
3) 否定的選好最適化は, 類似性を著しく低下させるが, 検出可能な残留様式パターンを残している。
これらの結果から,リテラル複製のみを対象とする保護措置は,著作権侵害のリスクを軽減するには不十分であることが示唆された。
PSALMは監査可能な法的なコンプライアンス評価のためのインフラを提供するが、自動化された類似度スコアと違反判定の関係は法の専門家による検証を必要とする。
この研究は質的な法的基準と定量的な技術的測定を橋渡しし、生成的AIとEU知的財産法の間の根本的な緊張を露呈する。
関連論文リスト
- SWAP: Towards Copyright Auditing of Soft Prompts via Sequential Watermarking [58.475471437150674]
ソフトプロンプト(SWAP)のための逐次透かしを提案する。
SWAPは、特定のディフェンダー指定のアウト・オブ・ディストリビューション・クラスを通じて、透かしを符号化する。
11のデータセットの実験では、SWAPの有効性、無害性、および潜在的適応攻撃に対する堅牢性を示す。
論文 参考訳（メタデータ） (2025-11-05T13:48:48Z) - SoK: Large Language Model Copyright Auditing via Fingerprinting [69.14570598973195]
既存の手法をホワイトボックスとブラックボックスのアプローチに分類する統一的な枠組みと形式的な分類法を導入する。
現実的な展開シナリオ下でのLDMフィンガープリント評価のための最初の体系的ベンチマークであるLeaFBenchを提案する。
論文 参考訳（メタデータ） (2025-08-27T12:56:57Z) - 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) - Investigating the Feasibility of Mitigating Potential Copyright Infringement via Large Language Model Unlearning [0.0]
LLM(Pre-trained Large Language Models)は、優れた能力を示すと同時に、著作権のある資料の学習と生成によるリスクも生んでいる。
本研究では,LLMから複数の時間ステップで著作権付きコンテンツを解放する新しいフレームワークであるSSU(Stable Sequential Unlearning)を提案する。
SSUは時に、未学習の有効性と汎用言語能力の効果的なトレードオフを達成し、既存のベースラインを上回ります。
論文 参考訳（メタデータ） (2024-12-16T20:01:06Z) - 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) - Avoiding Copyright Infringement via Large Language Model Unlearning [24.050754626661124]
本稿では,複数段階にわたる大規模言語モデルから著作権付きコンテンツを解放するための新しいフレームワークを提案する。
ランダムなラベリング損失を導入し、モデルの汎用的知識を確実に維持することにより、未学習の有効性を向上させる。
実験結果から,SSUは未学習の有効性と汎用言語能力とのトレードオフを効果的に達成できることが示された。
論文 参考訳（メタデータ） (2024-06-16T14:12:37Z) - LLMs and Memorization: On Quality and Specificity of Copyright Compliance [0.0]
大規模言語モデル(LLM)のメモリ化が懸念されている。
LLMは、著作権のある作品を含むトレーニングデータの一部を容易に再現できることが示されている。
これは、欧州AI法と同様に、既存の著作権法に違反している可能性があるため、解決すべき重要な問題である。
論文 参考訳（メタデータ） (2024-05-28T18:01:52Z) - DELTA: Pre-train a Discriminative Encoder for Legal Case Retrieval via Structural Word Alignment [55.91429725404988]
判例検索のための識別モデルであるDELTAを紹介する。
我々は浅層デコーダを利用して情報ボトルネックを作り、表現能力の向上を目指しています。
本手法は, 判例検索において, 既存の最先端手法よりも優れている。
論文 参考訳（メタデータ） (2024-03-27T10:40:14Z) - 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)
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。