从工作流入手，而非只看一个许可标签
化学 AI 资源可能包含源代码、训练好的模型文件、示例数据、完整数据集和托管服务。附在代码仓库上的许可标签，不一定能证明你下载或使用的每个组件都适用该许可。先列出计划工作流实际需要的组件，再为每个组件分别记录其来源。
本指南用于整理证据，不构成法律意见。它不认证科学性能、兼容性或特定用途的许可。对许可有重大影响的决定，需要经过适当审查。
建立组件清单
收集许可文本前，先描述预期活动：内部评估、训练、微调、分发检查点、发布处理后的数据，或运营一项服务。这些活动涉及不同的输入和输出，因此清单应覆盖整个工作流。
每个组件单独一行，并记录以下字段：
- **身份信息：**资源名称、组件、发布版本或数据集标识符，以及来源 URL。
- **预期用途：**你将如何使用它，以及谁会收到输出。
- **证据：**适用的许可文件、已发布条款、声明和来源记录。
- **状态：**已记录的条件、缺失证据、冲突，以及需要审查的问题。
清单的输入是拟议的工作流及其来源材料；输出是证据记录，而不是一揽子许可批准。即使代码、检查点、数据和服务访问来自同一下载位置，也要分别列行。
使证据与组件相匹配
优先查阅与相关发布版本对应的官方许可文件或已发布条款。仅凭仓库公开可见或文件可下载，不能证明使用权。应在工作记录中注明发布版本或修订版本及查阅日期；不要用当前仓库标签替代有关旧版制品的证据。
资源介绍说明了区分的重要性：
| 资源 | 资源介绍中描述的证据 | 需要单独调查的问题 |
|---|---|---|
| MACE | 代码标注为 MIT；代码与检查点许可应分别考虑。 | 所选确切预训练检查点适用哪些条款？ |
| GemNet | 仓库许可标注为 Hippocratic License Version 2.0。 | 适用文本涵盖哪些组件？哪些条件会影响拟议用途？ |
| LocalRetro | 仓库代码被描述为 CC BY-NC-SA 4.0。 | 外部反应数据集和模型权重适用哪些许可？ |
| Therapeutics Data Commons | 仓库代码标注为 MIT。 | 每个所选数据集适用哪些条款？ |
| Open Reaction Database | 辅助代码被描述为 Apache-2.0；数据集及描述性元数据被描述为 CC-BY-SA-4.0。 | 所选数据适用哪些署名和再分发条件？ |
这些是草稿所描述的区分，并非已完成许可审查所得出的结论。作出决定前，请确认适用文本。
如实记录条件，不要自行填补空白
准确记录许可标识符和明示条件。可以用简短转述方便查阅，但应保留指向具有约束力文本的链接，以便审查者直接检查。不要把信息缺失转化为“可不受限制地商业使用”之类的结论。
有助于决策的问题包括：
- 文本是否明确涵盖这个文件或数据集？
- 文本是否涉及计划中的用途或再分发？
- 是否规定了声明、署名或其他条件？
- 仓库文档与特定制品的条款是否存在分歧？
- 是否需要向权威来源寻求澄清？
文件相互冲突时，应记录两个来源和未解决的问题。合适的跟踪状态是“证据不完整”，而不是缺乏依据的法律结论。
跟踪第三方材料和衍生输出
检查示例、数据集或预训练制品是否包含来自其他来源的材料。在准备内部评估时，保留来源记录、引用和声明。顶层软件许可可能不涵盖随附材料或从外部获取的材料。
关于 LocalRetro，相关资源介绍描述了从反应训练数据中提取模板、预处理为 CSV 文件、训练检查点，以及解码得到候选反应物的流程。这一流程提示需要设置多个清单条目，但并不能证明所有生成的制品都获得了许可。
对于 Therapeutics Data Commons，数据集加载器和评估工具与其检索的数据集是不同的。对于 Open Reaction Database，应在记录中区分辅助代码、反应记录和描述性元数据。转换为另一种格式只是处理步骤，并不能证明原有条件不再适用。
规划示例：假设的反应工作流
假设一个研究团队计划评估 LocalRetro，并在准备反应数据时查看 Open Reaction Database 记录。这是一个假设性的规划练习，不代表经过测试的集成，也不表示这些资源可以互换。
- 界定范围。 初始活动是内部评估。共享数据或检查点应作为单独决定处理。
- 列出输入。 记录 LocalRetro 代码、所选训练数据、模板文件、任何下载的检查点，以及选用的 Open Reaction Database 文件。
- 梳理计划输出。 纳入预处理后的 CSV 文件、提取的模板、训练所得检查点、原始预测、解码得到的反应物和评估报告。
- 附上证据。 链接各组件对应的许可文本和来源记录。在取得证据前，将外部数据集的许可问题标记为未解决。
- 提出发布问题。 分享输出前，先确认其中包含哪些材料，并将条件不明确之处提交审查。
实际成果应是可追溯的清单和待解决问题列表。科学评估与许可决定仍是彼此独立的工作流。
重新检查发布版本与服务条款
许可和访问条款可能随版本变化。保留历史记录，检查新发布版本，并将托管服务条款与源代码许可分开审查。能否访问与是否获得许可也是两回事：下载链接可用，并不能解决许可问题。
这一流程也有局限。资源介绍中的许可标签可能无法证明其适用于特定制品，文档也可能没有说明权重或第三方数据的条款。在核实新证据之前，不要更新已发布的事实；同时应让未知条件保持明确可见。
来源与简要核对清单
可从相关仓库和文档着手：
- MACE：repository、documentation。
- GemNet：repository、README。
- LocalRetro：repository、README。
- Therapeutics Data Commons：repository、documentation。
- Open Reaction Database：repository、README。
继续之前：
- 列出所有必需组件和计划输出。
- 附上特定发布版本的证据，并保留声明。
- 明确标记信息缺口和相互冲突的文件。
- 在产生重大后果的用途或共享之前，寻求适当审查。
- 当组件或预期活动发生变化时，重新检查证据。