迈向基础模型开放性框架：哥伦比亚人工智能开放性会议论文集
软件工程
2024-05-28 v1 人工智能
摘要
在过去一年中，关于开源基础模型的利弊一直存在激烈的辩论。然而，这种讨论往往是在高度概括的层面上进行的，或者狭隘地关注特定的技术属性。部分原因是，鉴于基础模型与传统软件开发存在显著差异，定义基础模型的开源已被证明是棘手的。为了为开放AI系统（包括基础模型）提供更实用和细致的决策，本文提出了一个框架，用于处理AI堆栈中的开放性。它总结了先前关于该主题的工作，分析了追求开放性的各种潜在原因，并概述了开放性在AI堆栈的不同部分（模型层面和系统层面）如何变化。通过这样做，作者希望提供一个共同的描述性框架，以加深对AI开放性的细致和严格理解，并促进围绕AI开放性和安全性定义的进一步工作。
引用
@article{arxiv.2405.15802,
title = {Towards a Framework for Openness in Foundation Models: Proceedings from the Columbia Convening on Openness in Artificial Intelligence},
author = {Adrien Basdevant and Camille François and Victor Storchan and Kevin Bankston and Ayah Bdeir and Brian Behlendorf and Merouane Debbah and Sayash Kapoor and Yann LeCun and Mark Surman and Helen King-Turvey and Nathan Lambert and Stefano Maffulli and Nik Marda and Govind Shivkumar and Justine Tunney},
journal= {arXiv preprint arXiv:2405.15802},
year = {2024}
}