询问开源人工智能社区的任何成员，他们都会告诉你，与大型私营公司之间的差距不仅仅是算力。Ai2 正致力于弥补这一差距：从完全开源的数据库和模型，到如今推出开放且易于适配的后训练流程，将“原始”大型语言模型（LLM）转化为真正可用的形态。
后训练：创造真正价值的关键
与普遍认知相反，“基础”语言模型在预训练结束后并不能直接投入使用。预训练固然必要，但远非充分，甚至有人认为其重要性正在下降。
后训练过程才是创造真正价值的核心阶段。正是在此阶段，模型从一个无所不知却可能输出有害内容的庞大网络，被塑造成更有用的形态。各大公司对后训练流程讳莫如深，因为让模型对治疗师或研究分析师等特定用户有用，是完全不同于通用抓取的挑战。
Ai2 的开放性实践
Ai2（前身为艾伦人工智能研究所）曾批评 Meta Llama 等项目缺乏真正的开放性——尽管可免费使用，但数据来源、构建过程及训练方法仍是秘密。相比之下，Ai2 致力于极致开放：从数据收集、清洗流水线，到生成 OLMo 等大模型的具体训练方法，均对外公开。
然而，很少有开发者具备运行大模型的能力，更少人能像科技巨头那样进行复杂的后训练。为此，Ai2 推出了 Tülu 3，旨在实现该环节的民主化。
Tülu 3：定制化与端到端开源
Tülu 3 是早期版本的重大改进，经数月实验与迭代，在评分上已与最先进的“开放”模型持平。它涵盖了从主题选择（如降低多语言能力权重、加强数学编程能力）、数据策展、强化学习、微调到偏好调优的全流程，最终打造在特定技能上表现更出色的模型。
更重要的是，Tülu 3 让开发者摆脱了对大公司资源的依赖。过去定制 LLM 往往需借助外部 API 或中间商，不仅成本高昂，还面临敏感数据暴露风险。如今，研究机构发布的完整预训练和后训练流程支持本地部署，为医疗等服务行业提供了更安全、自主的替代方案。
Ai2 自身也在利用这一成果作为背书。尽管当前测试基于 Llama，但团队计划很快推出基于 OLMo 并经 Tülu 3 训练的模型，实现基线提升与端到端完全开源。