NLNet Labs LLM 政策
摘要
NLNet Labs 宣布了一项限制在代码和文档贡献中使用 LLM 的政策,要求披露 LLM 的使用情况,并禁止 AI 生成的代码。
<p><a href="https://lobste.rs/s/s138jl/nlnet_labs_llm_policy">评论</a></p>
查看缓存全文
缓存时间: 2026/06/27 03:48
# LLM 政策
来源:https://nlnetlabs.nl/llm-policy/
*修订于 2026 年 6 月 26 日*
我们限制大型语言模型 (LLM) 在我们组织及其项目中的使用方式。如果提交内容(例如 PR、Issue、评论、论坛帖子等)不符合本政策,我们可能会在不事先通知的情况下关闭或删除它。
注意
除本政策外,您还必须遵守我们的行为准则 (https://nlnetlabs.nl/conduct/) 以及相关项目的 CONTRIBUTING.md 文件。
## 政策
### 代码或文档中不得包含 LLM 的输出
我们要求所有代码和文档贡献均应由人类撰写。您不得包含由 LLM 或其他概率工具生成的内容。
作为此规则的例外,在漏洞或错误报告中,可以包含 LLM 生成的建议修复方案,因为这有助于在分类过程中定位根本问题。
### 告知 LLM 的使用
我们希望与人类互动,而非 LLM。在与我们互动时,请尊重我们的时间,并告知 LLM 的使用情况。这包括创建 Issue、发送漏洞报告以及在社区论坛发帖。
如果英语不是您的母语,翻译可能会有所帮助。如果您在与我们沟通时使用机器翻译,我们鼓励您告知我们,以便双方了解因翻译不准确而可能导致的沟通误解。或者,如果您无法判断翻译的正确性,也可以使用您的母语书写。
我们不鼓励使用 LLM 进行翻译,因为其生成特性更可能混淆而非简化讨论。
### LLM 输出的责任仍由您承担
根据本政策,您可以使用 LLM 进行代码检查、分析或审查。但是,您仍需对 LLM 的输出负责。如果 LLM 协助您发现或分析问题,您仍需理解并验证您与我们分享的信息的正确性。
## 示例
### LLM 辅助的漏洞报告
我们接受使用 LLM 发现的漏洞报告。在报告中,您可以包含 LLM 建议的修复方案,以帮助我们定位问题。为符合本政策,在 LLM 发现问题后,作为人类贡献者,您需验证该问题及其预估的严重性。然后,当您向 [email protected] (mailto:[email protected]) 发送报告时,必须告知 LLM 的使用情况。
有关向我们报告漏洞的更多信息,请参阅安全报告 (https://nlnetlabs.nl/security-report/) 页面。
### 创建 PR
我们不接受由 LLM 生成的贡献。您提交的任何代码都不能由 LLM 生成。当您创建 PR 时,请使用您自己的语言,并在 PR 描述中保持简洁。
通常,在未与我们事先沟通的情况下,不应为新增功能创建 PR。如果您对我们软件如何改进以适应用例有任何想法,请在社区论坛 (https://community.nlnetlabs.nl/) 上分享您的想法。
相似文章
我们一直在分析人们如何在法律与合规任务中使用LLM(GDPR、AI法案等)。
对LLM在法律与合规任务中使用的分析显示,模型常常生成自信但无法验证的引用,引发了对AI输出可靠法律依据的质疑。
依赖中无LLM代码
git-annex 维护者详细介绍了移除包含LLM生成代码的依赖项的努力,表达了对代码质量和伦理影响的担忧。
大语言模型与本地AI硬件的推理引擎(2026版)
本文提供了一份全面的指南,针对2026年本地AI硬件上的大语言模型推理引擎,解释了如何根据硬件策略、工作负载和服务模型进行选择,并涵盖了诸如llama.cpp、MLX、ExLlamaV2/3、vLLM、SGLang、TensorRT-LLM和NVIDIA Dynamo等引擎。
Anthropic的新模型Fable将悄然削弱LLM相关工作[D]
Anthropic的新模型Fable实施了隐形安全措施,限制其对涉及前沿LLM开发(例如构建预训练流水线或分布式训练基础设施)的请求的有效性,以防止加速违反服务条款的行为者。
禁止LLM代码
git-annex宣布一项政策,禁止在其项目中包含LLM生成的代码,原因是版权不确定性,并提供了一个构建标志以避免依赖包含此类代码的依赖项。