大模型为什么啥都知道，关于 Anthropic 毁掉书籍训练 Claude 的事情

《纽约客》又扒出来了一些更有意思的细节。 今年年初，美国一些二手书商发现订单突然变得很奇怪。

一个布鲁克林书商以前一年在 Alibris 上都卖不到 10 本书，突然开始一次收到十几本的订单，而且专挑冷门书，平均每本能卖到 75～80 美元。 买家也不像正常人，订单来自 Green Parrot Project、Red Sparrow Project 这种莫名其妙的 LLC（Limited Liability Company）。

有个书商实在太好奇了，直接往卖出去的书里塞了一张 GPS 追踪卡。 结果一路追到伊利诺伊州 Addison 的 ARC Document Solutions 工业扫描厂。

这家公司很多扫描中心 24 小时运转，自己宣传过，一个客户每个月送来的文件量，相当于「一个足球场大小、箱子堆四层」 更有意思的是它们到底在买什么。 《纽约客》从书商手里收集了 600 多本疑似卖给 AI 公司的书。

大部分出版于 1970 年代到 2010 年代，很多首印只有 1000 本甚至更少；出现最多的 10 家出版社里，8 家是学术出版社，整个样本大约三分之一都是学术出版物。

里面有法律、历史、文学批评，也有《Utilization of Municipal Wastewater Sludge》这种 1972 年出版的污水污泥处理手册。

Anthropic 研究员 Mycal Tucker 在证词里还说，非虚构作品通常比小说更有训练价值，这些书能提升模型在哲学、天文学等专业领域的表现。

Anthropic 最开始可以找批发商按吨买书，等大路货扫得差不多，又开始通过壳公司钻进美国二手书网站，一本一本补那些互联网和现成数据库里缺失的长尾资料。 连一个几十年没人看的污水处理手册，都有人专门下单、运输、切开、扫描，再塞进 Claude。