文章呼吁ACM数字图书馆应尽快向大型语言模型开放访问权限，以促进学术研究、知识发现和AI发展，并强调此举对推动科学进步和保持学术机构在AI时代相关性的重要性。

好的，作为一名专业的中文编辑，我已根据您的要求，对原文进行了中文重述，保留了核心细节，并删除了与文章主题无关的内容（如Cookie声明、网站导航、广告等）。

文章核心内容重述

标题： 现在是时候让大语言模型访问ACM数字图书馆了

核心观点： 美国计算机协会（ACM）认为，在权衡利弊后，向大语言模型（LLM）开放其数字图书馆的收益大于风险。此举旨在确保ACM的学术成果在未来由AI主导的知识生态系统中保持可见性和影响力。

主要内容：

随着AI系统日益成为知识发现和使用的首要界面，ACM必须决定如何以符合其使命和计算社区长远利益的方式与这些技术互动。ACM此前采取了谨慎态度，优先保护数字图书馆的完整性并了解作者和志愿者的意见。经过讨论，ACM领导层认识到，虽然仍存在疑虑，但AI系统正成为科学知识发现、综合和应用的基础设施。如果继续将ACM出版物排除在LLM、AI研究试点和嵌入AI的发现服务之外，将危及ACM的使命及其作者和研究人员的利益。

参与的理由：

1. 提升AI质量： ACM的同行评审文献是计算研究领域最权威的来源之一。如果AI系统只吸收低质量内容而排除ACM的可靠学术成果，未来的知识工具可能会低估ACM的研究。
2. 扩大研究影响力： 研究人员发表成果是为了影响未来工作。随着学生、工程师和政策制定者越来越依赖AI工具，负责任地将ACM内容纳入其中，可以拓宽作者思想的传播范围和影响力，同时保留回溯到原始版本的路径。
3. 适应研究变革： AI辅助的文献综述、编码和写作正在改变研究流程。缺席AI生态系统的出版商有沦为“记录仓库”而非“影响力来源”的风险。研究影响力将越来越取决于其思想是否能在AI系统中被呈现、综合和运用。
4. 提供财务支持： 虽然许可收入不应是主要动机，但它可以为编辑系统、会议和社区项目提供额外的财务支持，有助于ACM的长期财务可持续性。

风险与担忧：

1. 归属与幻觉： 当前的AI系统无法始终如一地提供对作者和出版商的充分归属，且“幻觉”现象可能扭曲研究发现。
2. 许可与治理： 需要建立法律、技术和运营框架，以确保透明度、合规性和适当权利管理。
3. 商业集中： 存在经济价值集中在商业AI提供商手中的更广泛担忧。ACM将在签订协议前仔细评估机会和风险。

总结与下一步：

ACM面临的战略问题已不再是“是否允许LLM训练”，而是“如何确保ACM作者、其学术成果和原始版本在AI中介的知识生态系统中保持可见、可归属且有影响力”。许可权只是更广泛变革的一个方面。

负责任地参与其中，为ACM提供了改进AI系统、扩大全球对计算知识的访问以及保持作者长期影响力的机会。同时，必须谨慎处理关于归属、幻觉、治理、商业集中和知识产权的问题。

除了许可本身，确保ACM出版物在AI中介的发现系统中保持可见、可发现、可归属并与原始版本相连，是同样重要的战略目标。最终，AI系统将塑造学术交流的未来。问题在于ACM和计算社区是否会以负责任且符合使命的方式，积极帮助塑造这一未来。

在签订正式许可协议之前，ACM正在寻求广泛的社区反馈，并将继续评估负责任的AI训练和检索使用框架。

根据评论内容，主要观点和论据总结如下：

观点一：反对ACM向LLM提供商收费，认为应开放访问或免费给人类 - 评论1（recursivedoubts）：“数字图书馆本应开放访问……现在它将成为垃圾机器的饲料。” 评分：None - 评论15（bitwize）：“如果LLM能访问，我们人类也应该免费访问！” 评分：None - 评论6（fsmv）：“不如给人类访问权限。” 评分：None

观点二：批评ACM的虚伪和利益驱动，忽视作者权益 - 评论12（Cynddl）：“作为ACM图书馆有多篇文章的研究者，这简直是虚伪的教科书案例……ACM是非营利组织，代表科学家，但作者未获任何回报。” 评分：None - 评论5（skywhopper）：“TLDR：他们想从LLM提供商那里赚钱，却不经作者许可或分享收入。” 评分：None - 评论16（estebarb）：“作者应获经济补偿，而非出版商……交易完全不同。” 评分：None

观点三：认为LLM已爬取数据，此举无意义或为时已晚 - 评论2（juancn）：“他们可能已经爬取过了。” 评分：None - 评论18（agar）：“ACM真的认为LLM还没从其他来源消耗90%的内容吗？” 评分：None - 评论11（brcmthrowaway）：“它已经在里面了。” 评分：None

观点四：讽刺ACM自身使用AI生成内容，行为矛盾 - 评论4（skippyfish）：“ACM过去一年大量使用AI生成内容……这篇文章100%是AI生成的，充满LLM用语，真是蛇咬自己尾巴。” 评分：None

观点五：建议区别对待开放与封闭模型 - 评论19（rurban）：“所以免费给开放权重模型，向封闭权重模型收费。” 评分：None

观点六：批评ACM压制异议，缺乏民主 - 评论7（30129875）：“ACM官僚和AI鼓吹者压制异议……整个互联网只是自上而下的宣传。” 评分：None

观点七：担忧LLM破坏同行评审系统 - 评论1（recursivedoubts）：“LLM将摧毁除硬实验论文外的同行评审系统。” 评分：None

观点八：支持盗版或绕过限制 - 评论17（nekusar）：“我们普通人怎么办？还是只给企业LLM？不管怎样，我会盗版。” 评分：None

平衡性总结：评论普遍对ACM的许可计划持批评态度，主要矛盾集中在：ACM作为非营利组织却追求商业利益、忽视作者权益、数据已被爬取导致计划过时、以及自身使用AI的虚伪性。少数评论提出区分开放与封闭模型，或支持盗版作为反抗。整体缺乏支持ACM立场的观点。