调试手记：当我的微调模型开始“背诵”法条上周排查一个线上问题，用户反馈我们的合同审核模型输出了某部法律的完整条款段落。第一反应是训练数据混入了公开法律文本，但检查数据集时发现我们明明做了严格的敏感信息过滤。最终在模型权重里找到了线索——这个被微调的基座模型，早在预训练阶段就“熟读”了全网公开的法律文档。微调中的知识产权灰色地带微调时我们常有个错觉：既然基座模型是开源的，我在自己数据上微调后的模型就完全属于自己。这种想法在技术层面成立，但在法律层面站不住脚。基座模型的训练数据可能包含受版权保护的内容，而微调过程本质上是在这些“记忆”的基础上做增量学习。最近遇到个典型案例：团队用某开源模型微调了一个法律问答助手，上线后收到了版权方通知。问题不在微调代码，而在我们使用的行业标准问答数据集里，混入了某知名法律数据库的片段。虽然数据量不到0.1%，但模型在特定提示下能近乎原文地复现这些片段。# 常见的风险代码模式defload_training_data():# 直接从公开论文附录爬数据（这里踩过坑）# 很多论文附带的“示例数据”其实有使用限制scraped_data=scrape_paper_appendix