开源与教育

Luca Soldaini

卢卡·索尔达伊尼

Dolma · OLMo 数据工程

Luca Soldaini 是语言模型数据研究者，代表工作包括 Dolma 和 OLMo。他的研究把注意力放在模型之前的数据环节：训练文本来自哪里，如何处理，以及其他团队能否重建相同的数据流程。

Dolma 公开用于预训练的大规模文本集合及处理工具，涉及来源组合、过滤和去重等步骤。开放训练数据使研究者能够检查模型见过什么，而不必只根据最终模型的表现猜测训练条件。

他在 Ai2 期间参与领导 OLMo 项目，团队同时发布模型、数据、代码与训练配方。数据工程由此不再只是论文中一段简短说明，而成为能够单独比较和改进的研究对象，让模型能力与数据选择之间的关系更容易被追踪。