تم نشر مصفوفة امتثال يتم تحديثها شهريًا لجميع مجموعات البيانات الـ 4893 باللغات الهندية على Hub Hugging Face، وكشف ذلك عن أن 65.1% لا تعلن عن أي علامة ترخيص اعتبارًا من 1 أغسطس 2026.
- ليس لدى 3185 مجموعة بيانات أي علامة ترخيص، مما يمثل 46.1% من جميع التنزيلات.
- تستخدم 154 مجموعة بيانات تراخيص CC-BY-NC، مما يشكل مخاطر على خطوط أنابيب التدريب التجارية.
- تحمل 139 مجموعة بيانات علامات غامضة مثل 'other' أو 'cc' أو 'unknown'.
- البيانات الكاملة متاحة بتنسيقي CSV و Parquet تحت ترخيص CC0.
تساعد المصفوفة الفرق على تجنب فخوك الترخيص من خلال تحديد مجموعات البيانات التي تم استبعادها فعليًا من الاستخدام التجاري وفقًا لواجبات توثيق GPAI في قانون الذكاء الاصطناعي للاتحاد الأوروبي.