用公开数据训练模型，风险往往藏在细节里。下面五类问题在自查中最常出现。

一、授权范围：数据“公开可访问”不等于“可用于训练”。很多网站的服务条款明确禁止抓取与商用，需要逐站确认，并保存当时的条款快照。

二、个人信息：语料里混入手机号、身份证号、住址、聊天记录。即使来源合法，未做处理直接训练也可能构成违规。上线前要做敏感信息清洗与抽样复检。

三、版权内容：书籍、新闻、代码仓库是高风险区。要保存来源清单与许可证明，并对疑似侵权内容建立下架响应流程——响应速度往往决定了后续处理的难度。

四、标注合规：外包标注团队是否签署了数据处理协议，标注数据是否跨境传输，都需要有书面记录。这块最容易被忽略，也最容易在审计时暴露。

五、输出侧风险：模型可能复现训练数据中的原文。对高价值内容做去重与记忆化检测（例如让模型尝试补全特定段落），是必要的技术手段。

自查不是一次性动作。建议每季度跑一遍清单，把新增数据源纳入管理，并在采购与外包合同中明确数据责任边界。