🆕 @SentientAGI recentemente apresentou um conceito muito valioso na NeurIPS — OML (Open, Monetizable, Loyal).

Este novo quadro está a redefinir os limites dos "modelos abertos", com o objetivo de permitir que os modelos mantenham características abertas, ao mesmo tempo que realizam uma governação clara, uma rastreabilidade verificável e incentivos económicos sustentáveis. A IA de código aberto sempre teve uma contradição central: uma vez que os pesos são tornados públicos, o controlo sobre o modelo e o valor original são quase impossíveis de garantir, tornando difícil para os desenvolvedores rastrear a origem do uso e estabelecer um sistema económico estável. O OML foi criado para resolver esses problemas de longa data.

OML permite que o modelo mantenha a flexibilidade de uso, ao mesmo tempo que preserva os direitos do autor original. No modelo tradicional de código aberto, é comum que o modelo seja copiado, renomeado e republicado, o que enfraquece o valor e a confiança na originalidade. O mecanismo criptográfico introduzido pelo OML confere ao modelo uma "identidade verificável", permitindo que qualquer uso, modificação ou ato de implantação seja registrado e auditado.

Na arquitetura do sistema, o OML adotou um design de duas camadas: "Camada de Controle (Control Plane)" e "Camada de Dados (Data Plane)".

A camada de controle é responsável pela gestão de chaves, avaliação de políticas e autenticação de comportamentos.
A camada de dados é responsável pela execução real da inferência do modelo.

Antes de cada execução do modelo, a camada de controle valida as informações de autorização, garantindo que a execução esteja em conformidade com os requisitos da política; após a execução, todas as operações são automaticamente registradas em um log assinado, formando um registro imutável. Mesmo que o modelo seja executado localmente, é possível manter uma prova de execução confiável, sem depender de APIs centralizadas ou plataformas externas. Essa arquitetura melhora significativamente tanto a disponibilidade quanto a segurança do modelo.

Outro destaque é a Impressão Digital (Fingerprint). OML incorpora um conjunto de características criptográficas ocultas ao modelo, que não afetam o desempenho do modelo, mas podem ser usadas para verificar a origem quando necessário. Qualquer pessoa que suspeite da origem de um determinado modelo, basta iniciar um pedido de verificação criptográfica, e o modelo gerará uma resposta única de 32 bits, provando sua propriedade. Este mecanismo fornece evidências claras da originalidade do modelo e transforma modelos de código aberto em ativos digitais licenciáveis e negociáveis.

Do ponto de vista da indústria, o OML oferece um novo modelo de "governança aberta". Isso torna a distribuição e o uso do modelo mais transparente, permitindo que os pesquisadores continuem a colaborar em um ambiente público, enquanto empresas e projetos podem formar receitas estáveis por meio de um sistema de autorização rastreável. O comportamento do modelo, os registros de uso e o estado da autorização são todos verificáveis, estabelecendo um ecossistema de código aberto sustentável em níveis técnico e institucional.

No Workshop Lock-LLMs da NeurIPS, a Sentient apresentou os resultados do OML na prevenção do uso indevido do conhecimento dos modelos. O OML introduz uma camada de controle criptográfico, permitindo que o processo de execução do modelo tenha a capacidade de execução de políticas verificáveis. Mesmo com os pesos do modelo completamente abertos, este mecanismo garante que a execução siga as regras estabelecidas.

A introdução do OML trouxe uma nova forma de equilíbrio para o ecossistema de modelos de código aberto. Tornou o significado de abertura mais claro — compartilhar não significa mais perder o controle, a inovação pode coexistir com a governança. Através de um design que integra criptografia, autorização e auditoria, o OML oferece uma estrutura de operação mais madura e a longo prazo para a IA aberta do futuro. Este mecanismo fornece um solo para o desenvolvimento sustentável de modelos abertos, permitindo que os interesses da pesquisa, negócios e comunidade coexistam dentro do mesmo sistema.

#KAITO #SentientAGI #Sentient