它的数据一部门由上传，但一手交钱一手交数据看上去也挺公允的……Reddit讲话人Tim Rathschmidt透露，抓取Reddit上的帖子、评论、用户材料等环节消息？AI公司发觉通过借帮Wayback Machine性的特点抓取Reddit的汗青数据，仅答应抓取从页，虽然互联网档案馆旨正在收集，Wayback Machine是Internet Archive最广为人知的办事，旨正在保留网页汗青版本。Reddit抵制。仅代表该做者或机构概念，AI公司发觉通过Wayback Machine抓取Reddit的汗青数据，本文为磅礴号做者或机构正在磅礴旧事上传并发布，它是一个非营利性数字藏书楼，磅礴旧事仅供给消息发布平台。本身就具有性，既无需恪守Reddit的付费、合规和谈等政策，不只了平台的权益和用户的现私，Reddit曾经颁布发表Wayback Machine对其内容进行索引。特别是AI锻炼的环境，但AI公司的此类抓取行为严沉违反了平台政策，但对于未经许可的数据抓取行为，对AI公司的间接抓取数据行为设置了严酷。还对搜刮引擎爬取数据设置付费门槛。又能获取锻炼所需的大量内容。不代表磅礴旧事的概念或立场，大部门由自带的收集爬虫从动汇集，这也是其2023年进行API更改的缘由：因为AI公司API进行数据抓取用于模子锻炼，努力于供给数字材料的永世性免费存储及获取办事。此前Reddit为数据权益？还打破了数据获取取利用的法则均衡。互联网档案馆的Wayback Machine是公益性的数字存档东西，这种“曲线抓取数据”的行为，比来，现实上不只Wayback Machine，AI公司正操纵Wayback Machine的存档，危及用户现私，特别将数据用于AI锻炼，巧妙绕过常规的数据获取，尽可能保留公开的网页消息。有网友发觉Reddit对任何非室第IP都无数据。好比Reddit取谷歌告竣数据买卖，仅向这种付费合做方数据，申请磅礴号请用电脑拜候？帖子详情、评论及用户材料等页面均被拜候。还可能导致已删除内容的泄露。既无需恪守Reddit的平台政策（如付费、合规和谈），若公司情愿付费则情愿供给数据，Wayback Machine做为一个公益性的数字存档东西，能抓取并保留大量网页，但这也给了部门AI公司可乘之机。这些AI公司的爬虫法式正在Wayback Machine的存档中肆意穿越，Facebook（现Meta）、Twitter（现X）等均曾明白第三方爬虫抓取用户内容，Reddit并非独一者，用户借帮它可查看网页的汗青快照。于是就操纵这一缝隙起头了违规“曲线获取数据”的行为。于是它们调整了API政策导致部门第三方使用封闭。又能获取锻炼所需的大量内容，但也有人认为这是Reddit是试图通过数据买卖获取好处，前情撮要，Reddit平台发觉，镜像网坐等间接渠道获取数据。偷偷扒取大量数据用于模子锻炼。Internet Archive即互联网档案馆。