OLMo: Acelerando a Ciência dos Modelos de Linguagem

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

Resumo

Modelos de linguagem (LMs) tornaram-se onipresentes tanto na pesquisa de PLN quanto em ofertas de produtos comerciais. À medida que sua importância comercial cresceu, os modelos mais poderosos tornaram-se fechados, protegidos por interfaces proprietárias, com detalhes importantes de seus dados de treinamento, arquiteturas e desenvolvimento não divulgados. Dada a importância desses detalhes para o estudo científico desses modelos, incluindo seus vieses e riscos potenciais, acreditamos que é essencial que a comunidade de pesquisa tenha acesso a LMs poderosos e verdadeiramente abertos. Para esse fim, este relatório técnico detalha o primeiro lançamento do OLMo, um modelo de linguagem de ponta e verdadeiramente aberto, e seu framework para construir e estudar a ciência da modelagem de linguagem. Diferente da maioria dos esforços anteriores que liberaram apenas os pesos do modelo e o código de inferência, nós liberamos o OLMo e todo o framework, incluindo dados de treinamento e códigos de treinamento e avaliação. Esperamos que este lançamento capacite e fortaleça a comunidade de pesquisa aberta e inspire uma nova onda de inovação.

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.