近日，俄勒冈州作家伊丽莎白·莱昂（Elizabeth Lyon）对Adobe提起集体诉讼，指控其在训练名为 SlimLM 的小型语言模型时，使用了包含其盗版作品在内的非法数据集。
SlimLM是Adobe推出的一系列轻量化语言模型，专为移动设备上的文档辅助任务（如摘要、改写、问答）优化。Adobe官方称，该模型基于 SlimPajama-627B 数据集进行预训练——这是由AI芯片公司Cerebras于 2023 年 6 月发布的开源、去重、多来源语料库。
然而，莱昂的诉状指出，SlimPajama实际上是 RedPajama 数据集的衍生版本，而RedPajama又直接复制了臭名昭著的 Books3 数据集。Books3 包含约19. 1 万本受版权保护的图书，长期被指大量收录自网络盗版资源（如The Bibliotik）。诉状强调：“SlimPajama因系RedPajama的衍生复制，故包含Books3 中的内容，其中包括原告及集体成员的受版权保护作品。”
莱昂本人是多本非虚构写作指南的作者，其作品据称就在被非法用于训练的数据之列。她指控Adobe在未获授权、未署名、未支付任何费用的情况下，将其文字用于商业AI产品的开发，侵犯了版权法赋予作者的专有权利。
这并非孤立事件。Books3 和RedPajama已成为AI行业版权诉讼的“高频词”：
-2024 年 9 月，Apple被诉使用Books3 训练其Apple Intelligence；
- 同月，Anthropic就类似指控与作家群体达成 15 亿美元和解，被视为AI版权案的里程碑；
-10 月，Salesforce也被指依赖RedPajama训练其AI系统。
随着生成式AI对海量文本的依赖日益加深，训练数据的合法性问题正从道德争议演变为法律雷区。Adobe此次被诉，再次凸显了一个行业性困境：即使使用“开源”数据集，若其源头包含侵权内容，下游开发者仍可能承担连带责任。
在Anthropic天价和解案的阴影下，Adobe如何应对此次诉讼，或将影响整个AI行业对训练数据溯源与合规审查的重视程度。而对内容创作者而言，这场诉讼不仅是维权，更是对“AI时代创作价值归属”的一次关键确认。
