Tidligere introduserte jeg for vennene mine at @SentientAGI fire oppgavene ble akseptert av @NeurIPSConf, og den mest verdifulle av dem var OML 1.0 på hovedsporet. OML (Open Model License / Ownership Marking Layer) er en teknologi som "stempler anti-forfalskning" store språkmodeller. Den kan legge inn tusenvis av "fingeravtrykk" inne i modellen uten å påvirke ytelsen til modellen - akkurat som mange usynlige vannmerker skjult i modellen for å bevise identiteten og opprinnelsen til modellen. Tidligere modeller fingeravtrykksmetoder har mange begrensninger: ❶ På det meste kan bare noen få dusin fingeravtrykk bygges inn, og uansett hvor mange modeller det er, vil de bli "ødelagt"; ❷ Fingeravtrykk er enkle å oppdage eller slette; Den vil utløpe etter modellfinjustering, destillasjon og sammenslåing; ❸ Kan egentlig ikke støtte opphavsrettssporing og kommersialisering av åpen kildekode-modeller. OML bygger inn skjulte nøkkel-svar-par i "kantområder" der modellen ikke brukes ofte, slik at modellen oppfører seg nøyaktig på samme måte når den brukes normalt, men bare personen som skriver inn den spesifikke nøkkelen, kan utløse et unikt svar for å bekrefte ektheten til modellen. I testing i den virkelige verden bygde Sentient inn 24 576 uavhengige nøkkel-respons-par i den finjusterte versjonen av Llama-8-8B og forble stabil og vedvarte etter finjustering, destillasjon eller miksing. OML gjør modeller "signert" som menneskelige verk. Dette åpner for en rekke viktige muligheter: - Sporbarhet av modeller: Vit hvor en modell kom fra og hvem som trente den. - Lisensiering og kommersialisering: Åpen kildekode-modeller kan også oppnå lovlig distribusjon og avgiftslisensiering. -Anti-forfalskning og anti-tukling: Hindre andre i å plagiere og finjustere og utgi seg for å være originalen. Klarert revisjon: Du kan oppdage om modellen tilhører en utgiver i den virkelige verden. Kort sagt, OML er det første trinnet i å gi AI-modeller en "opphavsrettsbeskyttelsesmekanisme" og er hjørnesteinen i Sentients fellesskapsdrevne åpen kildekode AGI.