德国研究组织LAION发布了新的数据集Re-LAION-5B，声称该数据集已彻底清除与疑似儿童性虐待材料（CSAM）相关的链接。此更新遵循了多个组织的建议，原始数据集LAION-5B经过清理，提供了两个版本供研究使用。此外，LAION强调其数据集仅用于研究目的，旨在促使研究机构尽快迁移到新版本。

关键要点
– LAION是培训生成式AI模型（如Stable Diffusion）所使用数据集的创建者。
– 新发布的Re-LAION-5B数据集声称已去除与CSAM相关的链接，符合多家非营利组织的建议。
– Re-LAION-5B是对旧数据集LAION-5B的重新发布，修复了已知问题并提供了两个版本。
– 数据集不包含图像本身，而是 curated 的链接和图像的 alt 文本。
– 斯坦福互联网观察所的报告发现LAION-5B包含多个非法图像链接，这促使LAION将其数据集暂时下线。
– LAION的数据集旨在用于研究，而非商业用途，但现实中仍有公司和开发者可能会使用。
– LAION强烈建议所有使用旧LAION-5B数据集的研究实验室迁移到Re-LAION-5B数据集。

https://techcrunch.com/2024/08/30/the-org-behind-the-data-set-used-to-train-stable-diffusion-claims-it-has-removed-csam/