May 2025
生成式AI著作权诉讼，RAG技术再度成为焦点：新闻出版商联合提告Cohere
2025年2月，包括富比士、卫报和洛杉矶时报等在内的十多家知名新闻、杂志和数位出版商，于纽约南区联邦地方法院对生成式AI新创公司Cohere提起诉讼，指控其涉及侵害其原告的著作权及商标权
1
。原告主张，Cohere以提供「可信赖的、可验证的答案」为卖点，实际上是使用「检索增强生成」（Retrieval-Augmented Generation, RAG）技术，在未经授权的情况下，利用出版商的受著作权保护内容进行资料库构建及生成式输出。
RAG技术由Patrick Lewis等人在2020年提出 2 ，目的在解决大型语言模型中常见的幻想（hallucination）、知识过时（outdated Knowledge）及不透明（non-transparent）等问题。值得一提的是，RAG技术的主要发明者之一Patrick Lewis，目前正在Cohere担任研究员，持续投入相关技术的研发，该技术一经推出，便获得广泛应用，包括微软、谷歌、亚马逊及辉达等公司均已采用 3 。
原告主张，Cohere有下列著作权侵害行为：
1. 用于 AI 模型训练（Training）：Cohere 大规模地从网路上抓取 （scrape）文本，包括原告的著作，用来建立训练数据集，以训练其名为「Command Family」的大型语言模型。此外，Cohere 用了包含大量原告内容的第三方数据集，例如 Common Crawl 的 C4，然而此第三方数据集并未取得原告等授权。
2. 用于即时回应生成 （Real-time Use / RAG）：Cohere 的服务（特别是透过 Chat 介面）使用RAG功能，使得模型能够即时从外部来源（包括原告的网站）抓取内容，以生成回应。原告主张，Cohere 即使面对付费墙或网站的 robots.txt 指令（禁止抓取内容的指令），仍会进行内容复制。
3. 输出侵权内容 （Outputs）：Cohere 的服务在回应使用者查询时，会提供原告著作的副本、实质性节录或替代性摘要.。原告提供 Cohere Chat 输出的范例，显示其「Under the Hood」面板会显示从原告网站复制的完整或部分文章内容。原告认为，这些输出（无论是逐字复制或摘要）直接取代使用者访问原始文章的需求，损害原告依赖的数位订阅和广告收入。
4. 未经同意改作（Unauthorized Adaptation）：除了在「Under the Hood」面板下显示原告著作的全部或一部，Cohere还对原告著作提供简述或摘要，但是这类简述或摘要的详尽程度，几乎已经达到取代原著作的效果，而不仅是合理限度内的引用。
虽然原告主张Cohere的行为已经构成直接侵害（direct copyright infringement），原告同时也主张Cohere 应对其使用者透过 Cohere 服务进行的直接侵权行为（重制、展示、散布原告作品）负间接侵权责任（secondary copyright infringement），以免Cohere将侵害的责任归咎于使用者行为（因为使用者输入提示词后，Cohere的产品才会生成答案）。
除了上述著作权侵害之主张外，原告也主张Cohere标注资料来源的做法，对其构成商标权侵害，包括未经许可的情况下使用原告的知名商标，或者使其与AI生成的错误内容相连结，导致原告商标信誉受损，以及识别性降低。
本件是继2024年10月在美国首宗针对RAG架构AI服务的著作权诉讼后，第二件聚焦于RAG架构的案件。这凸显了随着RAG架构在AI服务中的普及，相关的著作权争议正日益浮现，并势必成为未来AI著作权法领域的重要议题。
1. Advance Local Media LLC et al, v. Cohere Inc., No. 25-cv-01305 (S.D.N.Y. Feb. 13, 2025).
2. Patrick Lewis et al, Retrieved-Augmented Generation for Knowledge-Intensive NLP Tasks, ARXIV (Apr. 12, 2021), https://arxiv.org/abs/2005.11401.
3. Harry Booth, Patrick Lewis, Director of Machine Learning, Cohere, TIME (Sept. 5, 2024, 7:10 AM EDT), https://time.com/7012883/patrick-lewis/.
RAG技术由Patrick Lewis等人在2020年提出 2 ，目的在解决大型语言模型中常见的幻想（hallucination）、知识过时（outdated Knowledge）及不透明（non-transparent）等问题。值得一提的是，RAG技术的主要发明者之一Patrick Lewis，目前正在Cohere担任研究员，持续投入相关技术的研发，该技术一经推出，便获得广泛应用，包括微软、谷歌、亚马逊及辉达等公司均已采用 3 。
原告主张，Cohere有下列著作权侵害行为：
1. 用于 AI 模型训练（Training）：Cohere 大规模地从网路上抓取 （scrape）文本，包括原告的著作，用来建立训练数据集，以训练其名为「Command Family」的大型语言模型。此外，Cohere 用了包含大量原告内容的第三方数据集，例如 Common Crawl 的 C4，然而此第三方数据集并未取得原告等授权。
2. 用于即时回应生成 （Real-time Use / RAG）：Cohere 的服务（特别是透过 Chat 介面）使用RAG功能，使得模型能够即时从外部来源（包括原告的网站）抓取内容，以生成回应。原告主张，Cohere 即使面对付费墙或网站的 robots.txt 指令（禁止抓取内容的指令），仍会进行内容复制。
3. 输出侵权内容 （Outputs）：Cohere 的服务在回应使用者查询时，会提供原告著作的副本、实质性节录或替代性摘要.。原告提供 Cohere Chat 输出的范例，显示其「Under the Hood」面板会显示从原告网站复制的完整或部分文章内容。原告认为，这些输出（无论是逐字复制或摘要）直接取代使用者访问原始文章的需求，损害原告依赖的数位订阅和广告收入。
4. 未经同意改作（Unauthorized Adaptation）：除了在「Under the Hood」面板下显示原告著作的全部或一部，Cohere还对原告著作提供简述或摘要，但是这类简述或摘要的详尽程度，几乎已经达到取代原著作的效果，而不仅是合理限度内的引用。
虽然原告主张Cohere的行为已经构成直接侵害（direct copyright infringement），原告同时也主张Cohere 应对其使用者透过 Cohere 服务进行的直接侵权行为（重制、展示、散布原告作品）负间接侵权责任（secondary copyright infringement），以免Cohere将侵害的责任归咎于使用者行为（因为使用者输入提示词后，Cohere的产品才会生成答案）。
除了上述著作权侵害之主张外，原告也主张Cohere标注资料来源的做法，对其构成商标权侵害，包括未经许可的情况下使用原告的知名商标，或者使其与AI生成的错误内容相连结，导致原告商标信誉受损，以及识别性降低。
本件是继2024年10月在美国首宗针对RAG架构AI服务的著作权诉讼后，第二件聚焦于RAG架构的案件。这凸显了随着RAG架构在AI服务中的普及，相关的著作权争议正日益浮现，并势必成为未来AI著作权法领域的重要议题。
1. Advance Local Media LLC et al, v. Cohere Inc., No. 25-cv-01305 (S.D.N.Y. Feb. 13, 2025).
2. Patrick Lewis et al, Retrieved-Augmented Generation for Knowledge-Intensive NLP Tasks, ARXIV (Apr. 12, 2021), https://arxiv.org/abs/2005.11401.
3. Harry Booth, Patrick Lewis, Director of Machine Learning, Cohere, TIME (Sept. 5, 2024, 7:10 AM EDT), https://time.com/7012883/patrick-lewis/.
