Een internationaal team van onderzoekers heeft Open Telco (OTel) gepresenteerd, een openbare verzameling van datasets, benchmarks en AI-modellen specifiek ontwikkeld voor de telecommunicatiesector. Het initiatief beoogt een reproduceerbaar startpunt te bieden voor de ontwikkeling van context-gebaseerde taalmodellen binnen de telecomindustrie.
Met de introductie van Open Telco wordt een breed scala aan middelen beschikbaar gesteld voor de AI-gemeenschap. Volgens een publicatie op arxiv.org omvat dit project afgeleide telecomdatasets die kunnen worden ingezet voor diverse toepassingen, waaronder retrieval, reranking, instructie-tuning en veiligheidstesten (abstention). Het doel is om de kloof te overbruggen in de beschikbaarheid van gespecialiseerde data voor telecom-AI.
Technische samenstelling en baselines
Het project levert niet enkel data, maar ook een aanzienlijk aantal getrainde modellen. In totaal zijn er 30 'full-parameter post-trained baselines' vrijgegeven. Deze set is onderverdeeld in drie categorieën:
* 10 embedding-modellen;
* 3 rerankers;
* 17 taalmodellen (LLM's).
Elk van deze baselines is ontwikkeld op basis van een open-weight model. De modellen zijn vervolgens verder getraind met behulp van de OTel-data en een openbaar trainingsrecept. Om de kwaliteit te waarborgen, zijn de modellen geëvalueerd op specifieke, apart gehouden evaluatiepartities binnen de OTel-dataset.
Prestaties en resultaten
De resultaten van de post-training tonen een significante verbetering in de prestaties over alle drie de modelfamilies. Uit de gegevens van blijkt dat de embedding retrieval een score van 93,1% NDCG@10 behaalde. Voor de reranking-modellen werd een resultaat van 0,947 MRR@10 gemeten, terwijl de correctheid van de taalmodellen op 87,8% uitkwam.
Het project heeft reeds een aanzienlijke impact gehad op de sector. Op 3 mei 2026 was er al sprake van meer dan 16 miljoen downloads van de vrijgegeven modellen. Daarnaast is het project wereldwijd in meer dan 157 media-uitingen vermeld.
Academische erkenning en community
Het onderzoek achter Open Telco is geaccepteerd voor de NeurIPS 2026 conferentie, specifiek binnen de 'ED Track' als 'Spotlight'. Het team, bestaande uit onderzoekers zoals Farbod Tavakkoli, Gregory Diamos en Ashish Vaswani, nodigt de bredere AI-gemeenschap uit om de beschikbare data uit te breiden en de bestaande embedding- en reranking-modellen verder te optimaliseren.
Hoewel de naam OTel overeenkomt met de afkorting die vaak wordt gebruikt voor OpenTelemetry, richt dit specifieke project zich op AI-datasets voor telecom. Ter vergelijking biedt opentelemetry.io zich primair als een raamwerk voor observabiliteit, met documentatie over traces, metrics en logs voor diverse software-ecosystemen.
Door het combineren van gedocumenteerde telecom-databronnen, getrainde modellen en veiligheidsdata in één verenigde bron, hopen de makers van Open Telco de ontwikkeling van sterkere, context-gebaseerde telecom-LLM's te versnellen. De volledige details over de methodologie en de resultaten zijn terug te vinden in het wetenschappelijke rapport op .