The Model Openness Framework
Promoting Completeness and Openness for Reproducibility, Transparency and Usability in AI
- Auteurs : Haddad, Ibrahim, Osborne, Cailean, White, Matt
- Description : Générative AI (GAI) offre des possibilités sans précédent en matière de recherche et d’innovation, mais la publicité a soulevé des préoccupations au sujet de la transparence, de la reproductibilité et de la sécurité. De nombreux modèles n’ont pas les composants nécessaires pour une compréhension et une reproductibilité complètes, et une certaine utilisation. Pour répondre à ces préoccupations, nous proposons le Model Openness Framework (MOF), un système de classification classé qui évalue l’apprentissage automatique des modèles fondés sur leur exhaustivité et leur ouverture, en suivant les principes de la science ouverte, de l’open source, données ouvertes et libre accès. Le MOF exige des composantes précises de la durée de vie du cycle à inclure et à diffuser sous des licences ouvertes appropriées. Ce cadre vise à déformer les modèles qui prétendent être ouverts, guider les chercheurs et les développeurs en fournissant tous les composants sous licences permissives, et aider les individus et les organisations à identifier en favorisant la transparence et la reproductibilité, le MOF combat les pratiques de « openwashing ».
- Collection : Vade-mecum, guides, fiches pratiques
- Thèmes : Edition , Traitement de l'information
- Licence de diffusion : Licence Creative Commons
- Format : Fichier Adobe PDF
- Date de création : 03 juin 2024
- Étendue : 22 p.
- Étendue : 293,9 Ko
- Date de publication : 03 juin 2024
- Langue : en
- Éditeur ou organisme : arxiv.org
- Sujet(s) : intelligence artificielle , Open data , science ouverte
- Type de ressource : text