Sun dirige el THUNLP lab en Tsinghua, el ancla académica del proyecto OpenBMB: un paralelo chino al esfuerzo OLMo de AI2, que libera grandes modelos abiertos (CPM y otros) junto con la infraestructura de entrenamiento (BMTrain) necesaria para reproducirlos. Su trabajo más amplio sobre ajuste fino (fine-tuning) eficiente en parámetros surgió del mismo instinto: tomar técnicas caras desarrolladas a escala por laboratorios cerrados, encontrar la versión de pocos datos que funciona con cómputo académico y publicar el resultado en código abierto. Para ai100, que audita motores de IA en varias regiones lingüísticas, leer a Sun es la forma de ver cómo se ve la alternativa de modelos abiertos cuando nace de raíces institucionales chinas y no occidentales.

Vale la pena seguirlo cuando
se quiere entender el ecosistema chino de LLM abiertos y los métodos eficientes en parámetros que hicieron posible la investigación en LLM a escala académica.
Temas
plataformas de grandes modelos abiertos desde China (OpenBMB, familia CPM); metodología de ajuste fino (fine-tuning) eficiente en parámetros; trayectoria de THUNLP en NLP chino.
Obras clave
cuerpo de trabajo del proyecto OpenBMB (desde 2022, contribuidor clave); publicaciones sobre ajuste fino (fine-tuning) eficiente en parámetros; publicaciones fundacionales de THUNLP sobre NLP chino.