Buchumschlag

Generative AI Training and Copyright Law

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Stober, Sebastian, Dornis, Tim W.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computers and Society Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Training Foundation Models as Data Compression: On Information, Model Weights and Copyright Law
von: Franceschelli, Giorgio, et al.
Veröffentlicht: (2024)

Uncertain Boundaries: Multidisciplinary Approaches to Copyright Issues in Generative AI
von: Amon, Archer, et al.
Veröffentlicht: (2024)

Copyright in Generative Deep Learning
von: Franceschelli, Giorgio, et al.
Veröffentlicht: (2021)

Privacy and Copyright Protection in Generative AI: A Lifecycle Perspective
von: Zhang, Dawen, et al.
Veröffentlicht: (2023)

Fantastic Copyrighted Beasts and How (Not) to Generate Them
von: He, Luxi, et al.
Veröffentlicht: (2024)

Scaling Legal AI: Benchmarking Mamba and Transformers for Statutory Classification and Case Law Retrieval
von: Maurya, Anuraj
Veröffentlicht: (2025)

Unfair Learning: GenAI Exceptionalism and Copyright Law
von: Atkinson, David
Veröffentlicht: (2025)

SUV: Scalable Large Language Model Copyright Compliance with Regularized Selective Unlearning
von: Xu, Tianyang, et al.
Veröffentlicht: (2025)

Towards AI-$45^{\circ}$ Law: A Roadmap to Trustworthy AGI
von: Yang, Chao, et al.
Veröffentlicht: (2024)

Scaling Laws For Scalable Oversight
von: Engels, Joshua, et al.
Veröffentlicht: (2025)

Topic Classification of Case Law Using a Large Language Model and a New Taxonomy for UK Law: AI Insights into Summary Judgment
von: Sargeant, Holli, et al.
Veröffentlicht: (2024)

Towards Effective Discrimination Testing for Generative AI
von: Zollo, Thomas P., et al.
Veröffentlicht: (2024)

Understanding and Mitigating Risks of Generative AI in Financial Services
von: Gehrmann, Sebastian, et al.
Veröffentlicht: (2025)

AI and Generative AI Transforming Disaster Management: A Survey of Damage Assessment and Response Techniques
von: Raj, Aman, et al.
Veröffentlicht: (2025)

AssurAI: Experience with Constructing Korean Socio-cultural Datasets to Discover Potential Risks of Generative AI
von: Lim, Chae-Gyun, et al.
Veröffentlicht: (2025)

Impacts of Racial Bias in Historical Training Data for News AI
von: Bhargava, Rahul, et al.
Veröffentlicht: (2025)

The Case for ESM3 as a General-Purpose AI Model with Systemic Risk Under the EU AI Act
von: Qureshi, Taro, et al.
Veröffentlicht: (2026)

Assessing Intersectional Bias in Representations of Pre-Trained Image Recognition Models
von: Krug, Valerie, et al.
Veröffentlicht: (2025)

Open Shouldn't Mean Exempt: Open-Source Exceptionalism and Generative AI
von: Atkinson, David
Veröffentlicht: (2025)

Towards Responsible Development of Generative AI for Education: An Evaluation-Driven Approach
von: Jurenka, Irina, et al.
Veröffentlicht: (2024)

Enhancing Team Diversity with Generative AI: A Novel Project Management Framework
von: Chan, Johnny, et al.
Veröffentlicht: (2025)

Generative AI Meets Future Cities: Towards an Era of Autonomous Urban Intelligence
von: Wang, Dongjie, et al.
Veröffentlicht: (2023)

Are There Exceptions to Goodhart's Law? On the Moral Justification of Fairness-Aware Machine Learning
von: Weerts, Hilde, et al.
Veröffentlicht: (2022)

Open Problems in Machine Unlearning for AI Safety
von: Barez, Fazl, et al.
Veröffentlicht: (2025)

Risk Sources and Risk Management Measures in Support of Standards for General-Purpose AI Systems
von: Gipiškis, Rokas, et al.
Veröffentlicht: (2024)

Unlocking Fair Use in the Generative AI Supply Chain: A Systematized Literature Review
von: Mahuli, Amruta, et al.
Veröffentlicht: (2024)

Biothreat Benchmark Generation Framework for Evaluating Frontier AI Models I: The Task-Query Architecture
von: Ackerman, Gary, et al.
Veröffentlicht: (2025)

Machine Unlearning Doesn't Do What You Think: Lessons for Generative AI Policy and Research
von: Cooper, A. Feder, et al.
Veröffentlicht: (2024)

Safe and Certifiable AI Systems: Concepts, Challenges, and Lessons Learned
von: Schweighofer, Kajetan, et al.
Veröffentlicht: (2025)

Thousands of AI Authors on the Future of AI
von: Grace, Katja, et al.
Veröffentlicht: (2024)

Generative AI Policies under the Microscope: How CS Conferences Are Navigating the New Frontier in Scholarly Writing
von: Nahar, Mahjabin, et al.
Veröffentlicht: (2024)

Nteasee: Understanding Needs in AI for Health in Africa -- A Mixed-Methods Study of Expert and General Population Perspectives
von: Asiedu, Mercy Nyamewaa, et al.
Veröffentlicht: (2024)

From Model Training to Model Raising
von: Aydin, Roland, et al.
Veröffentlicht: (2025)

We Should Separate Memorization from Copyright
von: Haviv, Adi, et al.
Veröffentlicht: (2026)

AI Toolkit: Libraries and Essays for Exploring the Technology and Ethics of AI
von: Ho, Levin, et al.
Veröffentlicht: (2025)

Lessons for Editors of AI Incidents from the AI Incident Database
von: Paeth, Kevin, et al.
Veröffentlicht: (2024)

Regulating AI Adaptation: An Analysis of AI Medical Device Updates
von: Wu, Kevin, et al.
Veröffentlicht: (2024)

Mapping the Potential of Explainable AI for Fairness Along the AI Lifecycle
von: Deck, Luca, et al.
Veröffentlicht: (2024)

Rigor in AI: Doing Rigorous AI Work Requires a Broader, Responsible AI-Informed Conception of Rigor
von: Olteanu, Alexandra, et al.
Veröffentlicht: (2025)

Prompt-Counterfactual Explanations for Generative AI System Behavior
von: Goethals, Sofie, et al.
Veröffentlicht: (2026)