Molmo en PixMo: Open Gewichten en Open Data voor Toonaangevende Multimodale Modellen

Molmo and PixMo: Open Weights and Open Data for State-of-the-Art Multimodal Models

September 25, 2024

Auteurs: Matt Deitke, Christopher Clark, Sangho Lee, Rohun Tripathi, Yue Yang, Jae Sung Park, Mohammadreza Salehi, Niklas Muennighoff, Kyle Lo, Luca Soldaini, Jiasen Lu, Taira Anderson, Erin Bransom, Kiana Ehsani, Huong Ngo, YenSung Chen, Ajay Patel, Mark Yatskar, Chris Callison-Burch, Andrew Head, Rose Hendrix, Favyen Bastani, Eli VanderBilt, Nathan Lambert, Yvonne Chou, Arnavi Chheda, Jenna Sparks, Sam Skjonsberg, Michael Schmitz, Aaron Sarnat, Byron Bischoff, Pete Walsh, Chris Newell, Piper Wolters, Tanmay Gupta, Kuo-Hao Zeng, Jon Borchardt, Dirk Groeneveld, Jen Dumas, Crystal Nam, Sophie Lebrecht, Caitlin Wittlif, Carissa Schoenick, Oscar Michel, Ranjay Krishna, Luca Weihs, Noah A. Smith, Hannaneh Hajishirzi, Ross Girshick, Ali Farhadi, Aniruddha Kembhavi

cs.AI

Samenvatting

De meest geavanceerde multimodale modellen van vandaag blijven eigendom van bedrijven. De sterkste open-gewicht modellen vertrouwen zwaar op synthetische data van eigendom VLM's om goede prestaties te behalen, waarbij deze gesloten modellen effectief worden gedistilleerd tot open modellen. Als gevolg hiervan ontbreekt het de gemeenschap nog steeds aan fundamentele kennis over hoe performante VLM's vanaf nul moeten worden opgebouwd. Wij presenteren Molmo, een nieuwe familie van VLM's die state-of-the-art zijn in hun openheidscategorie. Onze belangrijkste innovatie is een nieuw, zeer gedetailleerd dataset voor het beschrijven van afbeeldingen, volledig verzameld door menselijke annotatoren met behulp van spraakgebaseerde beschrijvingen. Om een breed scala aan gebruikersinteracties mogelijk te maken, introduceren we ook een gevarieerde datasetmix voor fine-tuning die in-the-wild Q&A en innovatieve 2D-pointing data omvat. Het succes van onze aanpak berust op zorgvuldige keuzes voor de details van de modelarchitectuur, een goed afgestemd trainingsproces en, het belangrijkste, de kwaliteit van onze nieuw verzamelde datasets, die allemaal zullen worden vrijgegeven. Het toonaangevende 72B-model binnen de Molmo-familie presteert niet alleen beter dan andere modellen in de open-gewichts- en datamodellenklasse, maar vergelijkt ook gunstig met eigendomssystemen zoals GPT-4o, Claude 3.5 en Gemini 1.5 op zowel academische benchmarks als menselijke evaluaties. We zullen al onze modelgewichten, bijschrift- en fine-tuningdata en broncode binnenkort vrijgeven. Geselecteerde modelgewichten, inferentiecode en demo zijn beschikbaar op https://molmo.allenai.org.

English

Today's most advanced multimodal models remain proprietary. The strongest open-weight models rely heavily on synthetic data from proprietary VLMs to achieve good performance, effectively distilling these closed models into open ones. As a result, the community is still missing foundational knowledge about how to build performant VLMs from scratch. We present Molmo, a new family of VLMs that are state-of-the-art in their class of openness. Our key innovation is a novel, highly detailed image caption dataset collected entirely from human annotators using speech-based descriptions. To enable a wide array of user interactions, we also introduce a diverse dataset mixture for fine-tuning that includes in-the-wild Q&A and innovative 2D pointing data. The success of our approach relies on careful choices for the model architecture details, a well-tuned training pipeline, and, most critically, the quality of our newly collected datasets, all of which will be released. The best-in-class 72B model within the Molmo family not only outperforms others in the class of open weight and data models but also compares favorably against proprietary systems like GPT-4o, Claude 3.5, and Gemini 1.5 on both academic benchmarks and human evaluation. We will be releasing all of our model weights, captioning and fine-tuning data, and source code in the near future. Select model weights, inference code, and demo are available at https://molmo.allenai.org.