<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE article PUBLIC "-//NLM//DTD JATS (Z39.96) Article Authoring DTD v1.4 20240229//EN" "JATS-articleauthoring1.dtd">
<article article-type="research-article" xml:lang="zh-CN" xmlns:xlink="http://www.w3.org/1999/xlink">
  <front>
    <journal-meta>
      <journal-id journal-id-type="publisher-id">13</journal-id>
      <journal-title-group>
        <journal-title>《论证与研究》</journal-title>
      </journal-title-group>
      <issn>ISSN:3079-9236（原2705-0858）</issn>
      <publisher>
        <publisher-name>华文科学出版社</publisher-name>
      </publisher>
    </journal-meta>
    <article-meta>
      <article-id pub-id-type="publisher-id">29475</article-id>
      <title-group>
        <article-title>生成式人工智能侵权风险的著作权法应对</article-title>
      </title-group>
      <contrib-group>
        <contrib contrib-type="author">
          <string-name>崔梓萌 山东工商学院 264005</string-name>
        </contrib>
      </contrib-group>
      <pub-date pub-type="epub">
        <year>2026</year>
        <month>3</month>
      </pub-date>
      <issue>3</issue>
      <abstract>
        <p>生成式人工智能凭借其强大的内容生成能力，正深刻改
变着信息生产与传播范式。该技术高度依赖“算力、算法、
算据”，在模型训练和内容生成两大环节中极易牵涉受著作
权法保护的作品，进而引发一系列新的法律问题。输入阶段
与输出阶段的侵权是当前著作权风险的关键,其核心表征为
技术创新的高速迭代与法律规制的适应性模糊的深度交织，
对构建动态法律框架提出严峻挑战。国内外相关司法案例也
随之接连出现，且均已触及 AI 生成内容的可版权性、训练
数据使用的合法性边界等前沿问题，为完善相关法律治理提
供了实践参考。鉴于此，系统梳理生成式人工智能的侵权风
险，探究法律困境并构应对方案，具有重要的理论与现实意
义。本文以中外司法判例与学术研究为基石，构建兼具理论
与实践价值的多维应对机制。</p>
      </abstract>
    </article-meta>
  </front>
</article>
