「fineweb-zhtw」資料集包含多少筆來自中央社的新聞資料？

「fineweb-zhtw」資料集中中央社新聞資料數量

「fineweb-zhtw」繁體中文資料集中，包含約 14 萬筆來自中央社 (中央通訊社) 的新聞資料。這些資料涵蓋自 2011 年至 2021 年的新聞內容，但未經中央社授權即被收錄於該資料集中。

中央社提告事件背景

中央社因「fineweb-zhtw」資料集未經授權使用其新聞內容，對分享該資料集的台大博士生提起刑事告訴，旨在維護新聞著作權。該名博士生同時也是一位開源志工，將此資料集分享於 Facebook 社團，供 AI 訓練使用。事件曝光後，該博士生已刪除相關貼文並配合調查。

事件引發的爭議與反彈

中央社此舉引發網路上的廣泛爭議，許多網友認為中央社應追究更上游的開源平台和網路爬蟲者，而非起訴分享資料集的博士生。有評論指出，中央社一方面支持《媒體議價法》，另一方面卻起訴學術研究者，可能對台灣的 AI 研究發展造成負面影響。