超越英语：揭示大语言模型版权合规中的多语言偏见
Beyond English: Unveiling Multilingual Bias in LLM Copyright Compliance
AI总结：
本文通过构建英、法、中、韩四语歌词数据集并系统探测七个LLM，揭示了LLM在版权保护中的多语言偏见，表明提示语言和内容语言均影响版权内容诱导，呼吁开发语言无关的公平保护机制。
摘要：
大语言模型（LLMs）在受版权保护内容的合理使用方面引发了重大关切。尽管已有研究考察了LLMs复现受版权保护材料的程度，但这些研究主要聚焦于英语，忽视了版权保护的多语言维度。在本工作中，我们通过解决两个关键问题来研究LLM版权保护中的多语言偏见：（1）LLMs在跨语言保护受版权保护作品时是否表现出偏见？（2）使用特定语言的提示是否更容易诱导出受版权保护的内容？为探索这些问题，我们构建了一个包含英语、法语、中文和韩语流行歌曲歌词的数据集，并使用这些语言的提示系统地探测了七个LLMs。我们的发现揭示了LLMs在处理受版权保护内容时存在显著的不平衡，既体现在受版权保护材料的语言方面，也体现在提示的语言方面。这些结果凸显了进一步研究和开发更稳健的、语言无关的版权保护机制的必要性，以确保跨语言的公平且一致的保护。
英文摘要：
Large Language Models (LLMs) have raised significant concerns regarding the fair use of copyright-protected content. While prior studies have examined the extent to which LLMs reproduce copyrighted materials, they have predominantly focused on English, neglecting multilingual dimensions of copyright protection. In this work, we investigate multilingual biases in LLM copyright protection by addressing two key questions: (1) Do LLMs exhibit bias in protecting copyrighted works across languages? (2) Is it easier to elicit copyrighted content using prompts in specific languages? To explore these questions, we construct a dataset of popular song lyrics in English, French, Chinese, and Korean and systematically probe seven LLMs using prompts in these languages. Our findings reveal significant imbalances in LLMs' handling of copyrighted content, both in terms of the language of the copyrighted material and the language of the prompt. These results highlight the need for further research and development of more robust, language-agnostic copyright protection mechanisms to ensure fair and consistent protection across languages.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
