研究涵蓋7個公開圖像數據集，數據集規模由256張圖片至超過16萬張圖片不等。對每個測試輸出，研究人員都建立一個「反事實宇宙」：逐一省略候選訓練單位，再觀察生成結果與原始輸出之間的最大差異。這個最大差異被稱為「反事實半徑」（counterfactual radius），用來衡量某個被移除單位對輸出的最大因果影響。

「歸因衰減」代表乜嘢？

結果顯示，當數據集變大，移除單一圖片後的反事實半徑會下降。換句話說，訓練資料愈豐富，某一張圖片愈難單獨左右某個生成結果。

在足夠大的規模下，這種情況甚至可能擴展至整個類別：移除某位藝術家的全部作品，或者移除所有描繪某一個人的相片，都未必會令某張生成圖片出現明顯改變。

研究所講的是一種特定反事實測試下的「非歸因」結果。如果刪除某個訓練單位後，輸出沒有改變，按這項研究採用的衡量方式，就不能將該輸出的因果責任歸給這個單位。

對版權訴訟有咩影響？

這項研究可能令一種針對圖像生成公司的侵權論證更難成立，例如聲稱某位藝術家的作品，或複製該藝術家風格的作品，直接造成某一個具體AI輸出。假如連藝術家的整個作品庫都移除，生成結果仍然沒有明顯改變，索償一方要證明該藝術家對這個輸出有直接、具體的因果貢獻，可能會更加困難。

不過，研究並沒有替任何訴訟作出裁決，也沒有建立一條新的法律規則。版權案件仍然可能涉及未經授權使用訓練資料、特定輸出與受保護作品之間是否構成實質相似、模型是否曾接觸相關作品、市場損害、合約條款，以及其他與「單一圖片是否為某個輸出所不可或缺」無關的問題。

研究有乜重要限制？

• 不等於模型沒有記憶。 某個輸出在這項刪除測試下無法歸因於任何一張訓練圖片，不代表模型沒有記住內容；模型仍可能在某些提示詞或抽樣條件下重現材料，也可能生成與受保護作品高度相似的圖像。論文測試的是移除訓練單位後的因果敏感度，而不是所有形式的記憶或侵權。
• 目前不能直接套用到大型語言模型。 研究對象是擴散模型，重點是圖像生成。其集成及消融方法，以及隨規模出現的實證結果，不能因此視為已經在以 Transformer 為基礎的大型語言模型上獲得證明。
• 不能取代其他證據。 法庭及技術調查人員仍可能需要測試特定提示詞下能否重現內容、分析作品相似度及來源、查閱訓練數據和系統紀錄、進行模型審計，再配合適用的法律分析。

簡單講，「歸因衰減」指出：當模型規模去到一定程度，單一來源的因果故事可能會失效；但這不代表其他方式永遠無法證明曾經發生複製，亦不代表AI生成內容自然就沒有版權風險。

研究涵蓋7個公開圖像數據集，數據集規模由256張圖片至超過16萬張圖片不等。對每個測試輸出，研究人員都建立一個「反事實宇宙」：逐一省略候選訓練單位，再觀察生成結果與原始輸出之間的最大差異。這個最大差異被稱為「反事實半徑」（counterfactual radius），用來衡量某個被移除單位對輸出的最大因果影響。

「歸因衰減」代表乜嘢？

結果顯示，當數據集變大，移除單一圖片後的反事實半徑會下降。換句話說，訓練資料愈豐富，某一張圖片愈難單獨左右某個生成結果。

在足夠大的規模下，這種情況甚至可能擴展至整個類別：移除某位藝術家的全部作品，或者移除所有描繪某一個人的相片，都未必會令某張生成圖片出現明顯改變。

研究所講的是一種特定反事實測試下的「非歸因」結果。如果刪除某個訓練單位後，輸出沒有改變，按這項研究採用的衡量方式，就不能將該輸出的因果責任歸給這個單位。

對版權訴訟有咩影響？

這項研究可能令一種針對圖像生成公司的侵權論證更難成立，例如聲稱某位藝術家的作品，或複製該藝術家風格的作品，直接造成某一個具體AI輸出。假如連藝術家的整個作品庫都移除，生成結果仍然沒有明顯改變，索償一方要證明該藝術家對這個輸出有直接、具體的因果貢獻，可能會更加困難。

不過，研究並沒有替任何訴訟作出裁決，也沒有建立一條新的法律規則。版權案件仍然可能涉及未經授權使用訓練資料、特定輸出與受保護作品之間是否構成實質相似、模型是否曾接觸相關作品、市場損害、合約條款，以及其他與「單一圖片是否為某個輸出所不可或缺」無關的問題。

研究有乜重要限制？

• 不等於模型沒有記憶。 某個輸出在這項刪除測試下無法歸因於任何一張訓練圖片，不代表模型沒有記住內容；模型仍可能在某些提示詞或抽樣條件下重現材料，也可能生成與受保護作品高度相似的圖像。論文測試的是移除訓練單位後的因果敏感度，而不是所有形式的記憶或侵權。
• 目前不能直接套用到大型語言模型。 研究對象是擴散模型，重點是圖像生成。其集成及消融方法，以及隨規模出現的實證結果，不能因此視為已經在以 Transformer 為基礎的大型語言模型上獲得證明。
• 不能取代其他證據。 法庭及技術調查人員仍可能需要測試特定提示詞下能否重現內容、分析作品相似度及來源、查閱訓練數據和系統紀錄、進行模型審計，再配合適用的法律分析。

簡單講，「歸因衰減」指出：當模型規模去到一定程度，單一來源的因果故事可能會失效；但這不代表其他方式永遠無法證明曾經發生複製，亦不代表AI生成內容自然就沒有版權風險。