#copyright

CS336 Lecture 13：語料不會從天上掉下來，每個來源都有存取與授權成本

第十三講沿著 Common Crawl、Wikipedia、GitHub、arXiv、書籍與歷代開放資料集追溯語料來源；抓得到不等於可合法使用，raw data 也不等於 training data，來源 provenance 必須先於清理與混合。