OLMo: Acelerando la Ciencia de los Modelos de Lenguaje
OLMo: Accelerating the Science of Language Models
February 1, 2024
Autores: Dirk Groeneveld, Iz Beltagy, Pete Walsh, Akshita Bhagia, Rodney Kinney, Oyvind Tafjord, Ananya Harsh Jha, Hamish Ivison, Ian Magnusson, Yizhong Wang, Shane Arora, David Atkinson, Russell Authur, Khyathi Raghavi Chandu, Arman Cohan, Jennifer Dumas, Yanai Elazar, Yuling Gu, Jack Hessel, Tushar Khot, William Merrill, Jacob Morrison, Niklas Muennighoff, Aakanksha Naik, Crystal Nam, Matthew E. Peters, Valentina Pyatkin, Abhilasha Ravichander, Dustin Schwenk, Saurabh Shah, Will Smith, Emma Strubell, Nishant Subramani, Mitchell Wortsman, Pradeep Dasigi, Nathan Lambert, Kyle Richardson, Luke Zettlemoyer, Jesse Dodge, Kyle Lo, Luca Soldaini, Noah A. Smith, Hannaneh Hajishirzi
cs.AI
Resumen
Los modelos de lenguaje (LMs, por sus siglas en inglés) se han vuelto omnipresentes tanto en la investigación de PLN como en las ofertas de productos comerciales. A medida que su importancia comercial ha aumentado, los modelos más potentes se han cerrado, restringidos detrás de interfaces propietarias, sin revelar detalles importantes sobre sus datos de entrenamiento, arquitecturas y desarrollo. Dada la relevancia de estos detalles para el estudio científico de estos modelos, incluyendo sus sesgos y riesgos potenciales, creemos que es esencial que la comunidad de investigación tenga acceso a modelos de lenguaje potentes y verdaderamente abiertos. Con este fin, este informe técnico detalla la primera versión de OLMo, un modelo de lenguaje de última generación y verdaderamente abierto, junto con su marco para construir y estudiar la ciencia del modelado del lenguaje. A diferencia de la mayoría de los esfuerzos previos que solo han liberado los pesos del modelo y el código de inferencia, publicamos OLMo y todo el marco, incluyendo los datos de entrenamiento y el código de entrenamiento y evaluación. Esperamos que esta liberación empodere y fortalezca a la comunidad de investigación abierta e inspire una nueva ola de innovación.
English
Language models (LMs) have become ubiquitous in both NLP research and in
commercial product offerings. As their commercial importance has surged, the
most powerful models have become closed off, gated behind proprietary
interfaces, with important details of their training data, architectures, and
development undisclosed. Given the importance of these details in
scientifically studying these models, including their biases and potential
risks, we believe it is essential for the research community to have access to
powerful, truly open LMs. To this end, this technical report details the first
release of OLMo, a state-of-the-art, truly Open Language Model and its
framework to build and study the science of language modeling. Unlike most
prior efforts that have only released model weights and inference code, we
release OLMo and the whole framework, including training data and training and
evaluation code. We hope this release will empower and strengthen the open
research community and inspire a new wave of innovation.