La conclusion de Stanford est plutôt percutante : la liberté d'ouverture des poids n'est qu'un début, c'est la barrière de données qui constitue la véritable barrière protectrice.

L'équipe NLP de Stanford a déclaré sur Twitter que les données d'entraînement des agents actuellement publiques sont principalement utilisées lors de la phase de post-formation, en particulier pour des modèles comme Qwen. Ces modèles ont peut-être déjà été entraînés sur une grande quantité de données d'agents. Ils estiment que la quantité de données d'agents nécessaire pour entraîner un modèle open source performant à partir de zéro dépasse largement celle requise pour une simple post-formation à partir de poids ouverts, mettant en évidence le manque de données d'agents lors de la phase de pré-entraînement. Source : InFoQ