為什麼重要
在這個領域裡,領先的模型是封閉的,即便是「開放」模型通常也只公開權重,而 Ai2 公開一切:權重、訓練資料、訓練程式碼、評估程式碼和中間檢查點。這讓外部研究者可以研究訓練資料如何塑造模型行為,重現結果,並在此基礎上繼續工作而不必猜測,對於這種規模的模型來說,這在其他情況下是做不到的。
它還開發科學家每天都在用的免費工具。Semantic Scholar 是它的 AI 學術搜尋引擎,收錄了 2 億多篇論文,服務數百萬研究者,它的開放資料還為許多其他研究工具提供支援。
深度解析
Allen Institute for AI(艾倫人工智慧研究所),簡寫為 Ai2,是位於西雅圖的一家非營利研究實驗室。Microsoft 共同創辦人 Paul Allen 於 2014 年創辦了它,使命是「AI 造福大眾」(AI for the common good)。創始 CEO 是電腦科學家 Oren Etzioni。2023 年至 2026 年 3 月,它由 Ali Farhadi 領導,他是電腦視覺研究者,也是 YOLO 的共同作者之一;此後由 Peter Clark 擔任臨時 CEO。
Ai2 有幾百名研究人員和工程師,與大型實驗室相比微不足道,但它對開放 AI 研究的影響遠遠超出了它的規模。
語言研究的根基
在 LLM 時代之前,Ai2 就是 NLP 領域的重要力量。它的研究人員創造了 ELMo(2018 年),這種上下文詞嵌入是 BERT 的直接前身,幫助開啟了預訓練革命;還創造了被廣泛使用的研究函式庫 AllenNLP。它的 Aristo 專案建構了回答科學考試題的系統,這是遠早於今天各種排行榜的推理測試,它的團隊還建立了許多知名的資料集和基準。
開放模型
- OLMo(2024 年起):一個完全開放的語言模型家族,連同訓練資料(Dolma 語料庫)、程式碼、日誌和檢查點一起發布。後續版本 OLMo 2 和 Olmo 3 已能與同等規模的其他開放模型競爭,同時保持開發的每一步都公開。
- OLMoTrace:一個能即時把模型輸出追溯到訓練資料中匹配段落的工具,這只有在訓練資料公開的情況下才可能實現。
- Tülu:用於後訓練(指令微調、偏好微調和強化學習)的開放配方、資料和程式碼,而這一階段通常是各實驗室保密的。
- Molmo(2024 年):開放的多模態模型,能在影像中指向具體的東西,可用於計數、視覺定位和操控使用者介面。訓練它們的資料集是讓標註員口頭描述影像收集來的。
- olmOCR(2025 年):一個開放的工具包和模型,能以極低的成本把 PDF 和掃描文件轉換成乾淨的文字。
AI 助力科學
除了 Semantic Scholar,Ai2 還開發協助科研工作的 AI 代理,其中包括 Asta,一個用於文獻回顧、資料分析和科學代理基準測試的平台。2025 年,美國國家科學基金會和 NVIDIA 宣布合計投入 1.52 億美元,支持一個由 Ai2 主導的專案,為科學研究建構開放的多模態模型。
它還營運面向環境的應用專案,比如利用衛星資料發現非法捕撈的 Skylight,以及用於保護野生動物的 EarthRanger。
具身 AI 與視覺
Ai2 的視覺和機器人團隊建構了 AI2-THOR,一個被廣泛用於訓練和測試具身代理的室內模擬環境,以及 Objaverse,一個龐大的開放 3D 物體資料集。最初的 YOLO 工作也透過 Farhadi 在華盛頓大學的研究組與該研究所有淵源。Ai2 的孵化器孵化出了多家新創公司,其中包括邊緣 AI 公司 XNOR.ai,它在 2020 年被 Apple 收購。
開放與開放之別
Ai2 的工作凸顯了一個重要的區別。「開放權重」意味著你可以下載並執行模型。更完整意義上的「開源」則意味著你還能看到它是用什麼資料、以什麼方式訓練的。只有後者才允許真正的科學審視:檢查基準是否被污染,研究記憶現象,理解某種行為從何而來。很少有機構負擔得起這樣的工作方式,而 Ai2 是其中最突出的一家。