牛津博德利图书馆藏书被曝用于 OpenAI 训练：12.5 万份论文扫描件进了训练集，校内教职工提出反对
《信息自由法》调取的牛津大学会议纪要显示，由 OpenAI 完成数字化的博德利图书馆藏书已被用来「构建 OpenAI 的训练集」。2025 年 3 月两校宣布合作时，公告只说用 OpenAI 软件做数字化，未提训练用途；OpenAI 发言人的回应则强调「让模型充分反映不同的文化、历史和视角」，并称全球已有超过十亿人在日常使用这项技术。
牛津是 OpenAI「NextGenAI」项目里唯一的英国成员，同项目已签波士顿公共图书馆、加州理工、MIT 与密歇根大学等美国研究型图书馆。截至 2025 年 6 月，博德利已向 OpenAI 提供 12.5 万份 19–20 世纪欧美高校博士论文的扫描影印页，外加一套 1 万首的 16 世纪宽边民谣集。校方称这批资料规模有限、均已过版权期，且 OpenAI 的使用权非排他。
真正的新东西不在「用了哪些数据」，而在合作关系与用途披露之间的落差：2025 年 3 月的公开公告只承诺数字化，而训练用途是在内部文件里才被确认的。博德利管理委员会成员在内的教职工对此表达了声誉风险与高能耗两方面的顾虑；校方已否认向公众与学生隐瞒机器学习用途，并称未来几个月会把这些数字��资源逐步公开，供公众检索。
原文链接：卫报 / IT之家
核验记录
卫报原文 2026-09-26T11:00:36Z（JSON-LD datePublished 与 og:article:published_time 一致），由该站 OpenAI 频道页 HTML 里的相对链接抠出，非猜测 URL；IT之家 9/26 20:01 转载并给出 12.5 万份论文、1 万首 16 世纪民谣等细节。配图：卫报 og:image 与 IT之家正文图在本机链路均返回 401/403（防盗链），故按惯例留空走占位块，未使用未验证地址
← 上一篇Epoch AI 家具组装基准：GPT-6 Astra 准确率 80% 登顶，10 个月前同一榜单只有 28%下一篇 →上海AI Lab 开源 Intern-Decision：Qwen3.5 底座做决策微调，0.8B/2B/4B 三档权重一次放出