Прогнозирование роста моделей искусственного интеллекта с открытым доступом на платформе Hugging Face

Forecasting Open-Weight AI Model Growth on Hugging Face

February 21, 2025

Авторы: Kushal Raj Bhandari, Pin-Yu Chen, Jianxi Gao

cs.AI

Аннотация

Поскольку ландшафт искусственного интеллекта с открытым исходным кодом продолжает расширяться - с развитием моделей, значительными инвестициями и интересом пользователей - становится все более важным предсказать, какие модели в конечном итоге будут стимулировать инновации и формировать экосистемы искусственного интеллекта. Основываясь на параллелях с динамикой цитирования в научной литературе, мы предлагаем фреймворк для количественной оценки того, как развивается влияние модели с открытым исходным кодом. Конкретно, мы адаптируем модель, представленную Вангом и др. для научных цитат, используя три ключевых параметра - немедленность, долговечность и относительную приспособленность - для отслеживания накопительного числа тонко настроенных моделей модели с открытым исходным кодом. Наши результаты показывают, что этот подход в стиле цитирования может эффективно отражать разнообразные траектории принятия моделей с открытым исходным кодом, причем большинство моделей хорошо соответствуют, а выбросы указывают на уникальные шаблоны или резкие скачки в использовании.

English

As the open-weight AI landscape continues to proliferate-with model development, significant investment, and user interest-it becomes increasingly important to predict which models will ultimately drive innovation and shape AI ecosystems. Building on parallels with citation dynamics in scientific literature, we propose a framework to quantify how an open-weight model's influence evolves. Specifically, we adapt the model introduced by Wang et al. for scientific citations, using three key parameters-immediacy, longevity, and relative fitness-to track the cumulative number of fine-tuned models of an open-weight model. Our findings reveal that this citation-style approach can effectively capture the diverse trajectories of open-weight model adoption, with most models fitting well and outliers indicating unique patterns or abrupt jumps in usage.