Nhóm tác giả từ Đại học Stanford thừa nhận rằng mô hình Llama 3V của họ khá giống với MiniCPM của Trung Quốc và đã quyết định gỡ bỏ dự án khỏi nền tảng phát hành.
Llama 3V đã được giới thiệu vào ngày 29/5, khi nhóm tác giả tuyên bố rằng nó cung cấp hiệu năng tương đương với các mô hình AI tiên tiến như GPT-4, Gemini Ultra và Claude Opus, nhưng chi phí đầu tư chỉ chưa đến 500 USD. Ngay sau đó, Llama 3V đã tạo nên sự quan tâm và được xếp vào danh sách top 5 xu hướng AI trên Hugging Face, một nền tảng AI nổi tiếng tại Mỹ.
Tuy nhiên, nhiều người dùng cho rằng nhóm tác giả Mỹ đạo nhái vì nhận thấy điểm giống nhau giữa Llama 3V và MiniCPM, một dự án nguồn mở do Đại học Thanh Hoa và công ty ModelBest của Trung Quốc công bố hồi tháng 2.
Ngày 26/5, ModelBest khẳng định Llama 3V không chỉ sao chép khả năng nhận diện văn bản cổ của Trung Quốc mà còn giữ nguyên nhiều lỗi đặc trưng tồn tại trong MiniCPM.
Đến ngày 4/6, Siddharth Sharma và Aksh Garg, hai trong ba tác giả của mô hình ngôn ngữ Llama 3V và là sinh viên ngành khoa học máy tính tại Đại học Stanford, xác nhận cấu trúc Llama 3V giống với MiniCPM.
“Chúng tôi muốn gửi lời xin lỗi đến các tác giả của MiniCPM vì những vấn đề phát sinh do chúng tôi không nghiên cứu và duyệt kỹ càng sản phẩm,” hai tác giả nói. Mặc dù đã trực tiếp đăng dự án Llama 3V lên mạng, nhưng họ cho hay người viết mã nguồn cho mô hình là Mustafa Aljadery, cử nhân ngành khoa học máy tính thuộc Đại học Nam California.
Sau khi nhận được các bài phản ánh về dự án Llama 3V, chúng tôi đã yêu cầu Mustafa cung cấp bằng chứng về tính nguyên bản của dự án cũng như dữ liệu huấn luyện nó. Tuy nhiên, chúng tôi chưa nhận được bất kỳ câu trả lời nào từ ông. Chúng tôi quyết định lên tiếng trước khi chờ Mustafa giải thích, theo Sharma.
Liu Zhiyuan, người đồng sáng lập ModelBest, đánh giá hành động của nhóm sinh viên như một sự phá hủy tinh thần của việc chia sẻ mã nguồn mở, bao gồm tuân thủ các quy định của mã nguồn mở và tôn trọng những đóng góp đã có.
Ông khẳng định rằng hành động này đi ngược với tinh thần cộng đồng của mã nguồn mở và có thể làm suy giảm lòng tin của người dùng vào chất lượng mã nguồn mở. Ngoài ra, ông cũng nhấn mạnh tầm quan trọng của việc tuân thủ quy tắc và tôn trọng những thành tích có sẵn trong cộng đồng mã nguồn mở để duy trì sự phát triển bền vững và lành mạnh của ngành công nghệ thông tin.