À suivreGuide suivant
Open-Source Exemptions in the EU AI Act
Société
GUIDE DE LA SOCIÉTÉ
Les modèles à poids ouvert rendent les fichiers de paramètres appris disponibles en téléchargement sous des conditions spécifiées.
Écoutez ce guideNarré par l'IA · ~2 min
Access peut permettre l’inférence locale ou l’adaptation, mais il n’inclut pas automatiquement les données d’entraînement, le code d’entraînement, les droits de réutilisation illimités ou suffisamment d’informations pour reproduire le modèle original.
A usable release normally needs more than one weight file. The architecture, tokenizer or preprocessing, configuration, and compatible execution software determine how the parameters are interpreted. Record the complete set of files and their versions. Read the license for the specific release. Permissions and restrictions can differ among models from the same organization and between weights, code, and datasets. Do not infer commercial or redistribution rights from the ability to download a file. Assess practical deployment constraints. Weight storage is only part of memory use; caches, activations, and runtime buffers also matter. Quantization can change both resource requirements and behavior, so evaluate the chosen representation rather than relying only on the original model’s reported results. Plan updates and accountability. Local control can be valuable, but the operator becomes responsible for serving security, data handling, quality monitoring, and maintenance. Keep a rollback version and a record of any modifications. Describe the release accurately as open weights when that is the property you have verified. Under the Open Source AI Definition 1.0, the assessment considers model parameters, code, and sufficiently detailed information about training data under terms that preserve user freedoms; check the exact release rather than assuming weights alone qualify.
04Exemple travaillé
Imaginez télécharger un fichier de poids tout en utilisant un tokeniseur d’une autre version de modèle.
Le service peut accepter des entrées mais les représenter différemment de la configuration d’entraînement attendue du modèle.
Épinglez le tokenizadore, la configuration, les fichiers modèles et l’exécution ensemble, puis exécutez une évaluation connue avant d’activer le service.
Ce que ça montre
Ce scénario construit montre pourquoi les poids accessibles seuls ne constituent pas une spécification de déploiement complète.
Vérifiez la licence exacte du modèle avant d’appliquer les poids à l’emballage.
Comparez le point de contrôle quantifié prévu sur le matériel qui le fera fonctionner.
Newsletter gratuite
Trois histoires d'IA vérifiées chaque matin de la semaine, écrites dans un anglais simple. Gratuit pour toujours, sans publicité.
Un e-mail chaque jour de la semaine. Désabonnez-vous en un clic. Nous ne vendons ni ne partageons jamais votre adresse.
Testez-vous
Commentaires instantanés sur chaque réponse et un certificat partageable avec une pièce d'identité vérifiable une fois que vous avez réussi un cours.
Soutenez l’enseignement gratuit de l’IA. AI Understanding est une organisation à but non lucratif 501(c)(3) : pas de publicité, pas de paywall, jamais. Faire un don
Non. La redistribution et l’utilisation dépendent des termes spécifiques et des droits affectant les composants inclus.
Continuez à apprendre
Plus de guides sélectionnés pour ce sujet
À suivreGuide suivant
Open-Source Exemptions in the EU AI Act
Société