OLMo: Versnelling van de Wetenschap rond Taalmodellen

OLMo: Accelerating the Science of Language Models

February 1, 2024

Auteurs: 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

Samenvatting

Taalmodellen (LMs) zijn alomtegenwoordig geworden in zowel NLP-onderzoek als in commerciële productaanbiedingen. Naarmate hun commerciële belang is toegenomen, zijn de krachtigste modellen gesloten geworden, afgeschermd achter propriëtaire interfaces, waarbij belangrijke details over hun trainingsdata, architectuur en ontwikkeling niet worden vrijgegeven. Gezien het belang van deze details voor het wetenschappelijk bestuderen van deze modellen, inclusief hun vooroordelen en potentiële risico's, vinden wij het essentieel dat de onderzoeksgemeenschap toegang heeft tot krachtige, echt open LMs. Met dit doel voor ogen beschrijft dit technische rapport de eerste release van OLMo, een state-of-the-art, echt Open Taalmodel en het framework om de wetenschap van taalmodellering te bouwen en te bestuderen. In tegenstelling tot de meeste eerdere inspanningen, waarbij alleen modelgewichten en inferentiecode werden vrijgegeven, geven wij OLMo en het hele framework vrij, inclusief trainingsdata en trainings- en evaluatiecode. Wij hopen dat deze release de open onderzoeksgemeenschap zal versterken en een nieuwe golf van innovatie zal inspireren.

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.