模型发布与复用：Hugging Face供应方和使用方的需求错位

尽管先前的工作已经记录了 PTLM 供应链中持续存在的结构问题，例如不一致的发布实践、不完整的元数据以及 Hugging Face 和 GitHub 存储库之间的分歧，但预训练语言模型 (PTLM) 越来越多地被重用为现代软件系统中的依赖项。之前对这些问题未探讨过的一个角度是，PTLM 生产者的发布实践与消费者的模型重用需求之间的不一致可能可以解释其中的一些挑战，但从未研究过这种不一致背后的人类期望、流程和交互。因此，我们对 50 名 Hugging Face 生产者和 95 名 GitHub 消费者进行了首次双视角调查，以检查四个人工智能供应链维度的生产者与消费者之间的错位：模型发现、文档实践、沿袭追踪和模型治理采用。我们发现，尽管生产者和消费者依赖相同的文档工件，但他们在关键元数据应记录在哪里方面存在分歧。尽管 27.9% 的生产者和 31.4% 的消费者追踪直接父模型之外的血统，但生产者主要追踪模型血统的来源和可重复性，而消费者主要受质量和可靠性问题驱动。此外，生产者认为简化模型发布的治理机制将产生最大的积极影响，而消费者则优先考虑文档和依赖透明度。这些发现凸显了在 PTLM 供应链中改进模型文档约定、沿袭可见性和治理支持的机会。