为什么重要
在这个领域里,领先的模型是封闭的,即便是“开放”模型通常也只公开权重,而 Ai2 公开一切:权重、训练数据、训练代码、评估代码和中间检查点。这让外部研究者可以研究训练数据如何塑造模型行为,复现结果,并在此基础上继续工作而不必猜测,对于这种规模的模型来说,这在其他情况下是做不到的。
它还开发科学家每天都在用的免费工具。Semantic Scholar 是它的 AI 学术搜索引擎,收录了 2 亿多篇论文,服务数百万研究者,它的开放数据还为许多其他研究工具提供支持。
深度解析
Allen Institute for AI(艾伦人工智能研究所),简写为 Ai2,是位于西雅图的一家非营利研究实验室。Microsoft 联合创始人 Paul Allen 于 2014 年创办了它,使命是“AI 造福大众”(AI for the common good)。创始 CEO 是计算机科学家 Oren Etzioni。2023 年至 2026 年 3 月,它由 Ali Farhadi 领导,他是计算机视觉研究者,也是 YOLO 的共同作者之一;此后由 Peter Clark 担任临时 CEO。
Ai2 有几百名研究人员和工程师,与大型实验室相比微不足道,但它对开放 AI 研究的影响远远超出了它的规模。
语言研究的根基
在 LLM 时代之前,Ai2 就是 NLP 领域的重要力量。它的研究人员创造了 ELMo(2018 年),这种上下文词嵌入是 BERT 的直接前身,帮助开启了预训练革命;还创造了被广泛使用的研究库 AllenNLP。它的 Aristo 项目构建了回答科学考试题的系统,这是远早于今天各种排行榜的推理测试,它的团队还创建了许多知名的数据集和基准。
开放模型
- OLMo(2024 年起):一个完全开放的语言模型家族,连同训练数据(Dolma 语料库)、代码、日志和检查点一起发布。后续版本 OLMo 2 和 Olmo 3 已能与同等规模的其他开放模型竞争,同时保持开发的每一步都公开。
- OLMoTrace:一个能实时把模型输出追溯到训练数据中匹配段落的工具,这只有在训练数据公开的情况下才可能实现。
- Tülu:用于后训练(指令微调、偏好微调和强化学习)的开放配方、数据和代码,而这一阶段通常是各实验室保密的。
- Molmo(2024 年):开放的多模态模型,能在图像中指向具体的东西,可用于计数、视觉定位和操控用户界面。训练它们的数据集是让标注员口头描述图像收集来的。
- olmOCR(2025 年):一个开放的工具包和模型,能以极低的成本把 PDF 和扫描文档转换成干净的文本。
AI 助力科学
除了 Semantic Scholar,Ai2 还开发协助科研工作的 AI 智能体,其中包括 Asta,一个用于文献综述、数据分析和科学智能体基准测试的平台。2025 年,美国国家科学基金会和 NVIDIA 宣布合计投入 1.52 亿美元,支持一个由 Ai2 牵头的项目,为科学研究构建开放的多模态模型。
它还运营面向环境的应用项目,比如利用卫星数据发现非法捕捞的 Skylight,以及用于保护野生动物的 EarthRanger。
具身 AI 与视觉
Ai2 的视觉和机器人团队构建了 AI2-THOR,一个被广泛用于训练和测试具身智能体的室内模拟环境,以及 Objaverse,一个庞大的开放 3D 物体数据集。最初的 YOLO 工作也通过 Farhadi 在华盛顿大学的研究组与该研究所有渊源。Ai2 的孵化器孵化出了多家创业公司,其中包括边缘 AI 公司 XNOR.ai,它在 2020 年被 Apple 收购。
开放与开放之别
Ai2 的工作凸显了一个重要的区别。“开放权重”意味着你可以下载并运行模型。更完整意义上的“开源”则意味着你还能看到它是用什么数据、以什么方式训练的。只有后者才允许真正的科学审视:检查基准是否被污染,研究记忆现象,理解某种行为从何而来。很少有机构负担得起这样的工作方式,而 Ai2 是其中最突出的一家。