이 논문은 AI 모델의 개방성과 완전성을 평가하는 모델 개방성 프레임워크(MOF)를 제안한다.
모델 개발 과정의 모든 구성요소(데이터, 코드, 문서 등)를 공개하는 '완전성'과 이를 적절한 오픈 라이선스로 배포하는 '개방성'의 개념을 구분한다.
MOF는 모델의 완전성과 개방성 수준을 3단계(Class I, II, III)로 분류한다. 각 단계별로 공개해야 할 필수 구성요소와 적용해야 할 오픈 라이선스를 제시한다.
Class I은 오픈 사이언스 수준으로 연구논문, 데이터셋, 코드 등 모든 구성요소를 공개하고 오픈 라이선스로 배포한다. Class II는 훈련/추론/평가 코드와 라이브러리를 공개한다. Class III는 모델 아키텍처, 파라미터, 기술 보고서 등 최소한의 구성요소를 공개한다.
MOF 적용을 통해 AI 모델의 투명성, 재현성, 활용성을 높이고 안전하고 책임감 있는 AI 생태계 구축을 지원한다.
To Another Language
from source content
arxiv.org
Ключові висновки, отримані з
by Matt White,I... о arxiv.org 03-21-2024
https://arxiv.org/pdf/2403.13784.pdfГлибші Запити