本期成果速递分享中南财经政法大学知识产权研究中心教授、博士生导师黄玉烨和中南财经政法大学知识产权研究中心博士研究生杨依楠的文章《论生成式人工智能版权侵权“双阶”避风港规则的构建》。本文原载于《知识产权》2024年第11期，注释与参考文献从略，详情请参考原文。

本文作者黄玉烨系中南财经政法大学知识产权研究中心教授、博士生导师；杨依楠系中南财经政法大学知识产权研究中心博士研究生。

如需查看或引用原文，请参考以下信息：黄玉烨,杨依楠.论生成式人工智能版权侵权“双阶”避风港规则的构建[J].知识产权,2024,(11).

摘要：生成式人工智能的作品使用具有海量化及算法化特征，面临侵权责任认定与分配难题。避风港规则以满足特定条件给予免责为构造，可以回应机器训练的行为转变，契合风险分配的规制目标，具有事前预防效果。基于生成式人工智能服务提供者的技术能力、大模型版权侵权的规制需求和版权人的获益需求，为其新设“双阶”避风港规则具有必要性。在训练阶段，可以通过设置信息披露、权利保留的识别尊重、非直接获得经济利益和整体性补偿义务，使生成式人工智能服务提供者无须经事先许可使用作品，且不必承担解除学习等责任；在输出阶段，可以为生成式人工智能服务提供者配置建立投诉处理机制、消除重复作品数据、优化模型过度拟合、干扰用户恶意引导、基于请求的版权过滤等义务，使其免受抽象侵权标准影响。避风港规则具有必要性。在训练阶段，可以通过设置信息披露、权利保留的识别尊重、非直接获得经济利益和整体性补偿义务，使生成式人工智能服务提供者无须经事先许可使用作品，且不必承担解除学习等责任；在输出阶段，可以为生成式人工智能服务提供者配置建立投诉处理机制、消除重复作品数据、优化模型过度拟合、干扰用户恶意引导、基于请求的版权过滤等义务，使其免受抽象侵权标准影响。

目录：

一、生成式人工智能版权侵权责任的双重难题及其成因

二、构建生成式人工智能版权侵权避风港规则的缘由与思路

三、训练阶段的生成式人工智能版权侵权避风港规则

四、输出阶段的生成式人工智能版权侵权避风港规则

五、结语