Roblox 3D 基础模型数据抓取事件

针对 3D 资产的未经授权数据收集

2026 年 10 月，一个被识别为 trellis2-data-sourcing/1.0 并与 Roblox 基础设施相关联的爬虫，从 Open3DLab、SFMLab 和 SmutBase 平台下载了 145.5 GB 的 3D 模型。该爬虫在 34 小时内访问了 712 个项目中的 1,027 个文件。尽管该爬虫自称是 3D 基础模型研究的一部分，但它忽略了 robots.txt 指令，违反了这些网站的服务条款，并无视了资产所附带的非商业许可协议。

抓取范围

此次抓取活动范围广泛，未能区分通用资产和成人内容。在被抓取的 712 个项目中，有 345 个被归类为成人内容，其中包括从 SmutBase（一个专门提供成人素材的网站）获取的 224 个文件。受影响网站的运营者指出，该爬虫的行为与用于机器学习的自动化数据收集一致，因为下载的文件包括带纹理、已绑定的角色以及元数据——这些都是训练 3D 生成模型必不可少的数据类型。

社区与行业反应

此次事件引发了关于大规模 AI 数据采集伦理的激烈辩论。抓取的批评者认为，将成人内容纳入一个面向未成年人使用的平台所用的数据集，反映了在安全和监管方面的重大失误。相反，一些观察人士认为，此类数据对于训练安全分类器以检测和过滤成人内容往往是必要的，且文件在互联网上的公开可用性本身就意味着会招致自动下载。

社区成员和技术观察者针对此次事件提出了几个关键观点：

"互联网必须明白一个简单的规则。只要是可以下载的东西，就总会被下载。有很多人根本不在乎你的 LICENSE.md、robots.txt、ToS 之类的东西。" — @handle

"我推测他们需要这些成人内容是为了检测用户生成的成人内容。我不明白这有什么好愤怒的。" — @handle

"整篇文章都把矛头指向了作为实体的 'roblox'，但行为似乎表明这只是个人在进行抓取——可能并非用于企业用途。看看时间线——这个爬虫是在某人的笔记本电脑上运行的：当他们周末休息或午休关机时，爬虫就停止了。" — @handle

对 AI 数据治理的影响

这一事件凸显了 AI 开发人员与内容创作者之间持续存在的紧张关系。受影响的网站运营者已正式要求 Roblox 澄清数据收集的目的，确认数据是否被用于模型训练，并承诺删除未经授权的副本。截至报告发布时，Roblox 尚未对这些询问作出回应。此次事件强调了一个更广泛的趋势，即 AI 实验室因获取训练数据的方法而受到越来越多的审视，这些方法往往绕过了传统的版权和许可规范，转而采用大规模自动化摄取。