文章预览
随着人工智能（AI）能力（Üstün等, 2024；Team等, 2023；Gomez, 2024；Anthropic, 2024a；Radford等, 2023；Brooks等, 2024）和市场前景（Vipra和 Korinek, 2023；McElheran等, 2024）的迅速扩展，开发基础模型的开发者、科学家和贡献者社区也在快速增长（Bommasani等, 2021）。 这一领域的增长促使许多工具和资源被广泛采用，用于构建、部署、评估和管理大型基础模型（FMs）。然 而，这些新兴实践通常不够成熟 。许多优秀资源被忽视，部分原因是缺乏可发现性或对良好实践的认识。为了弥补这些差距，我们进行了有针对性的调查，不是科学文献（关于许多FM开发主题的文献已经存在（Albalak等, 2024；Zhao等, 2023a；Chang等, 2023）），而是FM开发的资源，如数据集、软件包、文档、指南、框架和实用工具。特别是，这些资源的策划是针对较新的、小型或中型开发团队的负责任开发实
………………………………
