别乱用开源数据集！这点不注意，小心被推上风口浪尖

本文来源：OpenDataLab

更多资料获取：有道云笔记

为了共享科研成果，许多AI 研究员选择开源自己的项目和数据集。但开源不等于毫无限制，不代表使用者可以为所欲为。不正确的使用方式，会带来许多法律风险。

本文介绍数据集 License 的基本知识，教你看懂和正确使用它们。

IBM论文被曝抄袭开源项目

这两天，接连2篇入选的论文被曝抄袭，让原本就备受关注的CVPR 2022 站到了风口浪尖。

一篇是来自韩国首尔大学 AI 研究团队的论文，入选了 CVPR Oral（口头报告），被曝出涉嫌抄袭10篇论文，甚至出现原句照抄的内容。

另外，IBM 一篇入选的论文也被举报涉嫌抄袭，来自平安科技的研究员向CVPR 2022 program chairs 举证，指出 IBM 的 TableFormer 从方法论、预处理、后期处理、文字行检测与识别等9个方面抄袭了自己团队2021年的开源项目 TableMASTER。爆料者表示，很多痕迹都可以看出，IBM 基于他们开源的预训练模型训练，只是改了一些细节。[1][2]

IBM 相关 TableFormer论文被指抄袭（图源：参考资料[7]）

这引发了国内外 AI 研究员的热烈讨论。有网友调侃，抄袭的论文都能拿Oral，而认认真真做实验的论文却因为各种理由被拒，得好好研究一下这是如何做到的。

其背后透露出的是科研人的苦楚、对论文审查结果的不满，还有对开源项目不规范使用的担忧。