本研究探讨了扩散概率模型在记忆训练数据中的数据泄露和版权风险问题，提出了一种新方法“替代条件数据提取”（SIDE），在CelebA数据集上的表现优于现有方法超过50%。

最近的研究探讨了文本到图像扩散模型的记忆现象，发现这些模型可能复制训练数据，带来版权和隐私风险。研究指出交叉注意力机制在记忆过程中对特定标记的过度关注，并提出了检测和减轻记忆现象的方法，强调生成质量与用户隐私之间的平衡。此外，研究评估了医学图像生成中的记忆化问题，发现训练数据的记忆化现象显著，需在数据共享前进行评估。

该文综述大语言模型训练数据的版权与隐私风险：提出检测版权书籍内容的框架并评估可信度；实验显示模型可逐字记忆并再分发热门图书；SICO方法能绕过现有检测器；成员推断可判定文档是否在训练集中；模型还能从文本推断地点、收入等个人属性，准确率高，而匿名化与对齐防护无效。研究强调需更透明负责的数据管理。

ChatGPT可辅助编程，但无法取代专业开发者：其代码来源不明，商用存在版权风险；缺乏批判性思维，可能生成错误的统计分析；无法理解利益相关者的优先事项与情感需求；只能重组训练数据，难以解决新颖问题；也不具备伦理判断力，无法识别数据偏见。编程之外，理解业务目标、沟通与讲故事才是工程师的核心价值。