亞馬遜被爆收購並拆解稀有書籍以獲取高品質 AI 訓練資料

大型語言模型需要大量可靠文本，但網路內容在生成式 AI 普及後逐漸混入機器產物，反覆用合成資料訓練可能導致模型退化。2022 年以前出版、尚未受 AI 內容污染的絕版書，因此成為亞馬遜訓練 Nova 模型的高品質語料來源。

外媒調查指出，亞馬遜疑似大量買進稀有與絕版書，送往 AI 訓練設施拆除書脊、逐頁掃描後銷毀；有書商透過藏在書中的 AirTag 追蹤到相關地點。報導未揭露收購總額、書籍數量或計畫啟動日期，亞馬遜的資料取得方式與保存責任因而受到質疑。