Hugging FaceにおけるオープンウェイトAIモデルの成長予測

Forecasting Open-Weight AI Model Growth on Hugging Face

February 21, 2025

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

cs.AI

要旨

オープンウェイトAIのエコシステムが拡大を続ける中で、モデル開発、巨額の投資、ユーザーの関心が高まるにつれ、どのモデルが最終的にイノベーションを推進しAIエコシステムを形作るかを予測することがますます重要になっています。科学文献における引用動態との類似性に基づき、我々はオープンウェイトモデルの影響力の進化を定量化するフレームワークを提案します。具体的には、Wangらが科学引用のために導入したモデルを適応し、即時性、持続性、相対的適合性という3つの主要なパラメータを使用して、オープンウェイトモデルの微調整モデルの累積数を追跡します。我々の調査結果は、この引用スタイルのアプローチがオープンウェイトモデルの採用の多様な軌跡を効果的に捉えることができることを示しており、ほとんどのモデルがよく適合し、外れ値は使用におけるユニークなパターンや急激な増加を示しています。

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.