EleutherAI
Un laboratorio de investigación sin fines de lucro que crea modelos de inteligencia artificial y conjuntos de datos de entrenamiento con licencia abierta, dirigido en gran medida por voluntarios.
EleutherAI comenzó en 2020 como un grupo de voluntarios en Discord que querían replicar los grandes modelos lingüísticos que las empresas mantenían en privado y creció hasta convertirse en un instituto de investigación registrado sin fines de lucro. Sus primeros lanzamientos, GPT-Neo y GPT-J, estuvieron entre las primeras alternativas abiertas a GPT-3, y su conjunto de datos Pile se convirtió en un ingrediente estándar en el entrenamiento de modelos abiertos.
Su trabajo más útil ahora suele ser el poco glamoroso: limpiar la materia prima sobre la que todos los demás construyen. Common Pile, lanzado en 2025, es el corpus de entrenamiento más grande ensamblado íntegramente a partir de texto con licencia abierta. En 2026, el laboratorio trabajó con Hugging Face en FineBooks, que prueba si los modelos modernos de reconocimiento de texto pueden producir versiones más limpias de los millones de libros escaneados de dominio público en los que se basan los conjuntos de datos abiertos.