苏黎世的一个小团队训练了一个语言模型。下个月他们想把它提供给欧盟的客户。星期五，他们的律师发来一句话。你们公开的训练摘要在哪里？
本指南说明这份摘要是什么，以及欧盟模板要求哪些内容。接着说明如何保存能为摘要提供佐证的记录。
谁必须公布训练摘要
欧盟人工智能法要求每一个通用人工智能模型的提供者公布其训练内容的摘要。
这条规则写在欧盟人工智能法 (EU AI Act)第 53(1)(d) 条。通用人工智能模型的提供者应当"按照 AI Office 提供的模板，起草并公开一份关于通用人工智能模型训练所用内容的足够详细的摘要。"
开源模型也逃不开这项义务。人工智能法 (AI Act)第 53(2) 条免除了开源模型的部分义务，但只限 (a) 和 (b) 两项。第 (d) 项的摘要义务仍然适用。
这项义务自 2025年8月2日起适用 (2026年10月21日在 EUR-Lex 上重新核对)。在该日期之前投放市场的模型有更多时间。它们的摘要最迟须在 2027年8月2日前公开 (2026年10月21日在欧盟委员会通知中重新核对)。
模板的三个部分
欧盟委员会的模板分三个部分，每一部分都要求对数据作一个大致的描述。
AI Office 于 2025年7月24日发布了解释性通知和模板。每一份摘要都必须遵循它。模板有三个部分。
- "1. 一般信息"写明提供者和模型。它说明模型学习了哪些类型的内容，以及每一类大致占多少，用宽泛的区间表示。它给出训练数据的总体特征。
- "2. 数据来源清单"列出主要的数据集。它用文字描述从网上抓取的数据。它还涵盖所有其他来源，例如用户数据或合成数据。
- "3. 相关的数据处理方面"有三个小节。3.1 节是"尊重文本与数据挖掘例外中的权利保留或退出声明"。3.2 节是"删除非法内容"。3.3 节是"其他信息 (可选)"。
第 2 部分还细分。它涵盖公开数据集、私有数据集、抓取数据、用户数据和合成数据。私有数据集再细分。一部分是从权利人处取得许可的数据。另一部分是来自其他第三方的数据。
域名和更新规则
你要列出抓取量最大的网站，并在进一步训练模型时更新摘要。
模板的 2.3 节涵盖从网上爬取和抓取的数据。它要求提供一份域名清单。你要给出"按抓取内容大小排在所有域名前 10% 的"域名。中小企业的规则更宽松。它们列出"前 5%，或前 1000 个域名"。
摘要也是一份活的文件。当你进一步训练模型时，你要更新它。通知要求每六个月更新一次，如果新数据很重要则更早。每次更新都注明日期。
在哪里以及何时公布
摘要放在你的网站上，位置醒目，最迟在模型进入欧盟市场时公布。
通知说，摘要"最迟应在模型投放欧盟市场时公开"。它也说明了放在哪里。"它应以清晰可见且易于访问的方式发布在提供者的官方网站上"。摘要还要"随模型一起出现在其所有公开分发渠道"。
说白了，你的网站上需要一个容易找到的页面。凡是人们下载模型的地方，你也需要放一份副本。
模板不要求什么
你不必列出模型学习过的每一件作品或每一个文件。
通知第 16 段说得很清楚。模板"不要求披露用于训练模型的具体数据和作品的细节"。人工智能法序言第 107 条说，摘要应"总体全面"，但不必"技术上详细"。
通知也说明了目的。摘要的作用是"提供有意义的公共透明度，并便于有合法利益的各方行使和执行其在欧盟法律下的权利"。权利人读它，看自己的作品是否可能在里面。然后他们可能向你提问。你会需要记录来回答。
用封存的记录为摘要提供佐证
把你的数据集清单、许可文件和摘要本身按日期版本封存，这样你就能证明你当时持有什么，以及是在什么时候。
摘要是一项公开声明。有一天，权利人或 AI Office 可能会问它背后有什么依据。假设你的 2.2.1 节列出了从权利人处取得许可的数据。你会需要训练当天那些许可文件的原样。假设你的 3.1 节说你尊重了退出声明。你会需要当天的数据集清单和退出清单的原样。
在 Swiss Trust Layer 上，你把这些文件上传到一个文件夹并封存。平台为每个文件和整个封存包计算一个指纹。只有指纹发送给合格信托服务提供者 Swisscom Trust Services。文件本身不会发送。Swisscom 对指纹签名，并按 RFC 3161 加上时间戳。每个封存版本都会得到一份证明证书，即一份已签名的 PDF。它列出每个文件名及其指纹，以及版本号。证书上的二维码会打开一个无需登录的公开验证页面。
每次更新摘要时，为文件夹添加一个新版本。文件夹保留版本历史，每个版本保留自己的封印。文件的任何改动都会产生不同的指纹。因此一条带日期的版本链能显示你在每个日期持有什么。
封印证明什么，不证明什么
封印证明记录在某个日期已存在且此后未被更改；它不证明数据的使用是合法的。
要诚实面对这个限制。封印证明这个文件在那一刻确实存在，并且此后没有改变。它不证明谁创作了内容，不证明内容真实，也不证明封存者持有权利。它不证明你的训练数据使用合法。封印不产生著作权。著作权随创作而产生。一份封存的许可文件显示你当天持有的许可文本。该许可是否涵盖你的使用，是封印无法回答的法律问题。
今天就在 Swiss Trust Layer 上把你的数据集清单、许可文件和摘要草稿封存为第一版。
