The Model Openness Framework: Promoting Completeness and Openness for Reproducibility, Transparency and Usability in AI

要約

Generative AI (GAI) は前例のない可能性を提供しますが、その商用化により、透明性、再現性、偏見、安全性に関する懸念が生じています。
多くの「オープンソース」 GAI モデルには、完全な理解と再現に必要なコンポーネントが欠如しており、一部のモデルでは、「オープンウォッシング」として知られる制限付きライセンスが使用されています。
私たちは、モデル オープンネス フレームワーク (MOF) を提案します。これは、オープン サイエンス、オープン ソース、オープン データ、オープン アクセスの原則に従って、完全性とオープン性に基づいて機械学習モデルを評価するランク付けされた分類システムです。
MOF では、モデル開発ライフサイクルの特定のコンポーネントを含め、適切なオープン ライセンスに基づいてリリースすることを要求しています。
このフレームワークは、オープンであると主張するモデルの虚偽表示を防止し、研究者や開発者がすべてのモデル コンポーネントを寛容なライセンスの下で提供できるようにガイドし、企業、学術界、愛好家が制限なく安全に採用できるモデルを特定できるようにすることを目的としています。
MOF が広く採用されることで、よりオープンな AI エコシステムが促進され、研究、イノベーション、導入が加速します。

要約(オリジナル)

Generative AI (GAI) offers unprecedented possibilities but its commercialization has raised concerns about transparency, reproducibility, bias, and safety. Many ‘open-source’ GAI models lack the necessary components for full understanding and reproduction, and some use restrictive licenses, a practice known as ‘openwashing.’ We propose the Model Openness Framework (MOF), a ranked classification system that rates machine learning models based on their completeness and openness, following principles of open science, open source, open data, and open access. The MOF requires specific components of the model development lifecycle to be included and released under appropriate open licenses. This framework aims to prevent misrepresentation of models claiming to be open, guide researchers and developers in providing all model components under permissive licenses, and help companies, academia, and hobbyists identify models that can be safely adopted without restrictions. Wide adoption of the MOF will foster a more open AI ecosystem, accelerating research, innovation, and adoption.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google