The AI Community Building the Future? A Quantitative Analysis of Development Activity on Hugging Face Hub

开源开发者已成为人工智能（AI）政治经济中的关键角色，开放模型开发被认为是封闭源AI开发的一种替代方案。然而，我们对于开源AI中的协作实践仍有有限的了解。本文通过对Hugging Face（HF）Hub上开发活动的三部分定量分析来填补这一空白，HF是一个流行的构建、分享和展示模型的平台。首先，我们发现348,181个模型、65,761个数据集和156,642个空间仓库中的各种类型活动表现为右偏分布。活动在仓库之间极度不平衡；例如，超过70%的模型没有下载，而1%的模型占据了99%的下载量。其次，我们分析了模型协作的社交网络结构的快照，发现社区具有核心-边缘结构，核心是多产开发者，大多数是孤立开发者（89%）。去除孤立开发者后，无论开发者的网络位置如何，协作都具有高度的互惠性。第三，我们通过模型在空间中的使用情况来研究模型采用情况，发现少数由少数公司开发的模型在HF Hub上被广泛使用。总体而言，我们发现HF Hub上的各种类型活动都表现为帕累托分布，与先前关于GitHub等平台上OSS开发模式的观察结果一致。最后，我们讨论了这些发现的影响，并为（开源）AI研究人员、开发者和政策制定者提出建议。

研究开源AI中的协作实践，了解Hugging Face平台上的开发活动情况

通过对Hugging Face平台上的348,181个模型、65,761个数据集和156,642个空间仓库的不同类型活动进行定量分析，发现活动呈现右偏分布，且极度不平衡，少数模型和公司占据了绝大部分活动，社交网络结构呈现核心-边缘结构，合作高度互惠，但大部分开发者处于孤立状态

论文对开源AI的协作实践进行了研究，发现了Pareto分布和核心-边缘结构等有趣现象，可以为开源AI研究者、开发者和决策者提供启示和建议

近期相关研究包括：《GitHub上的开源软件社区：实践、问题和建议》、《开源软件协作实践：GitHub上的案例研究》等