現状のLLMについては、いろいろと思うところがある。ただ、このメモではその考えを掘り下げるつもりはない——そんな議論はしたくない。

とはいえ、ここで最先端の研究をしているわけではないけれど、人間に向けて発信することにはちゃんと労力をかけている。ここで10分かけて書いたことが、将来誰かの時間を少しでも節約できたら嬉しいと思っている。

誰かがモデルを作ってサブスクリプションで販売するためにやっているわけではない。

新しいrobots.txtでは、既知のLLMクローラーのユーザーエージェントをいくつか除外するようにした。リストに載せたクローラーの大半は存在が確認されているもので、それぞれ出典も明記している。ニュースパブリッシャーのrobots.txtもなかなか参考になる。彼らもLLMをブロックしているからだ。

同じようにしたいなら、私のものを自由に使ってほしい！

# I know this can just be _totally_ ignored by crawlers
# But let's hope they behave well :)

# Code: https://github.com/ellie/notes
# Source: https://darkvisitors.com/

# OpenAI, ChatGPT
# https://platform.openai.com/docs/gptbot
User-agent: GPTBot
Disallow: /

# Google AI (Bard, etc)
# https://developers.google.com/search/docs/crawling-indexing/overview-google-crawlers
User-agent: Google-Extended
Disallow: /

# Block common crawl
# I have mixed feelings on this one, but many models are trained on this data
# It is also used to bootstrap new search indices though
# https://commoncrawl.org/ccbot
User-agent: CCBot
Disallow: /

# Facebook
# https://developers.facebook.com/docs/sharing/bot/
User-agent: FacebookBot
Disallow: /

# Cohere.ai
# https://darkvisitors.com/agents/cohere-ai
User-agent: cohere-ai
Disallow: /

# Perplexity
# https://docs.perplexity.ai/docs/perplexitybot
User-agent: PerplexityBot
Disallow: /

# Anthropic
# https://darkvisitors.com/agents/anthropic-ai
User-agent: anthropic-ai
Disallow: /

# ...also anthropic
# https://darkvisitors.com/agents/claudebot
User-agent: ClaudeBot
Disallow: /