OpenAI，Anthropic，Google还有一些国内的AI厂商是否会拿L站的内容对模型进行训练

wangwang 2026-06-06 13:41 1

忽然有个想法

最近在 ChatGPT 里提问时，发现有时候答案的来源直接指向了 L 站的帖子

有时候问 GPT 站内的内容的时候，有时候会发现他对站内的内容特别熟悉，甚至还知道站里的类别划分，每个类别下的内容等等

这就让人好奇了， OpenAI，Anthropic，Google 还有一些国内的 AI 厂商是不是私底下早就把 L 站的语料拿去训练模型了？如果是的话，那他们是怎么解决站内等级限制内容的？

总不能奥特曼和 A÷ 手里，其实偷偷养着一堆三级号在天天挂机吧 ^-^

那么对站里发高质量内容的各位大佬来说算什么呢，技术股东？还是赛博劳工？

最新回复 (12)

娜娜米 06-06 13:42

1楼

全网内容都可能会被 AI 厂商抓取的，都有爬虫
wangwang 楼主 06-06 13:43

2楼

那等级帖子是咋解决的，爬虫应该不能直接爬取等级帖子的内容吧 ^-^
灰質心 06-06 13:44

3楼

等级帖子肯定是爬不到的但是没等级的可以爬
娜娜米 06-06 13:44

4楼

可能这些虽然不能直接读，但依旧还是搜得到吧

不过我刚才试着搜了几个帖子，大部分等级帖是搜不到的，但可以搜到电报频道的 L 站推送
rekishi 06-06 13:44

5楼

事到如今已经不对数字隐私抱有任何幻想了，更何况是公开信息
away 06-06 13:55

6楼

（帖子已被作者删除）
650351 06-06 14:16

7楼

回答中如果有链接，那都是依赖实时搜索。

实话实说，对于公司级别来说，"养号"用来获取等级内容的数据，投入产出比太低，基本懒得弄。所以不想被大模型获取的内容，设等级还是有用的。
lueluelue 06-06 14:17

8楼

你在谷歌能搜到的，大概率都被拿去训练了
Jeff Dean 06-06 14:34

9楼

Google首席科学家在此，还怕拿不到数据(bushi)
路人甲 06-06 14:37

10楼

没爬虫他们的训练资料早期都哪里来的？只是不知道他们的爬虫有多么强大，爬整个互联网，还能绕过反爬
十万大山的山大王 06-06 14:39

11楼

估计还是以 wiki 百科作为基础数据集
Megasoft 06-06 15:19

12楼

说实话我感觉已经被纳入训练数据了