Prévision de la croissance des modèles d'IA open-weight sur Hugging Face

Forecasting Open-Weight AI Model Growth on Hugging Face

February 21, 2025

Auteurs: Kushal Raj Bhandari, Pin-Yu Chen, Jianxi Gao

cs.AI

Résumé

Alors que le paysage des modèles d'IA à poids ouverts continue de se développer - avec l'évolution des modèles, des investissements significatifs et l'intérêt croissant des utilisateurs - il devient de plus en plus crucial de prédire quels modèles finiront par stimuler l'innovation et façonner les écosystèmes de l'IA. En nous appuyant sur des parallèles avec la dynamique des citations dans la littérature scientifique, nous proposons un cadre pour quantifier l'évolution de l'influence d'un modèle à poids ouvert. Plus précisément, nous adaptons le modèle introduit par Wang et al. pour les citations scientifiques, en utilisant trois paramètres clés - l'immédiateté, la longévité et la fitness relative - pour suivre le nombre cumulé de modèles affinés dérivés d'un modèle à poids ouvert. Nos résultats révèlent que cette approche inspirée des citations peut capturer efficacement les trajectoires variées de l'adoption des modèles à poids ouverts, la plupart des modèles s'ajustant bien, tandis que les valeurs aberrantes indiquent des schémas uniques ou des sauts abrupts dans leur utilisation.

English

As the open-weight AI landscape continues to proliferate-with model development, significant investment, and user interest-it becomes increasingly important to predict which models will ultimately drive innovation and shape AI ecosystems. Building on parallels with citation dynamics in scientific literature, we propose a framework to quantify how an open-weight model's influence evolves. Specifically, we adapt the model introduced by Wang et al. for scientific citations, using three key parameters-immediacy, longevity, and relative fitness-to track the cumulative number of fine-tuned models of an open-weight model. Our findings reveal that this citation-style approach can effectively capture the diverse trajectories of open-weight model adoption, with most models fitting well and outliers indicating unique patterns or abrupt jumps in usage.