Databricks在释出大型语言模型Dolly的两周后，又释出了Dolly 2.0，而第二个版本的重点在于开源且商业可用。 Databricks集结5，000名员工，共同编写databricks-dolly-15k指令遵循数据集来训练Dolly 2.0，现在Databricks对外开源整个Dolly 2.0，包括训练代码、数据集和模型权重，供商业和学术使用。
Databricks以30美元超低成本，训练出Dolly 1.0模型，Dolly 1.0使用斯坦福大学的Alpaca模型开发团队，以OpenAI API所产生的指令遵循数据集训练而成。 Databricks在发布Dolly 1.0之后，收到许多人询问Dolly 1.0是否可以用于商业用途，官方答案是，可能不行。
因为Alpaca模型开发团队所生成的指令遵循数据集，内容包含使用OpenAI的text-davinci-003模型生成的数据，而该OpenAI的使用条款，明确禁止用户将其用于开发和OpenAI竞争的模型。 目前所有知名的指令遵循模型，几乎都受到相同限制而无法用于商业目的，因此Databricks要产生一个允许商业用途的指令遵循模型，势必需要创建一个全新的数据集。
要取得人工智能的丰硕成果，背后需要许多工人智能的累积，OpenAI的论文说明InstructGPT模型，是使用一个包含13，000个指令遵循数据集训练而成，Databricks表示，创建13，000条问题和答案比想象的还困难，因为每个答案都必须是原创，不能来自ChatGPT或是从网络上其他来源复制，否则会污染资料集。
Databricks招来自家5，000名员工，共同编写指令遵循数据集，目标是创建比OpenAI质量更高的数据集，毕竟OpenAI的数据集仅由40个人产生。 Databricks举办了一场比赛，前20名将可获得公司提供的大奖，资料集具体的内容包括开放问答、封闭式问答、可由维基百科段落回答的问答、维基百科总结信息、脑力激盪、分类和创意写作。
最后Databricks编写出一个具有15，000条问答的数据集databricks-dolly-15k，官方提到，虽然这个数据集比Dolly 1.0所使用的Alpaca资料集小得多，但是EleutherAI的pythia-12b经过databricks-dolly-15k资料集训练之后，却能表现出高质量指令遵循行为，官方提到， 由模型生成的数据集反而存在幻觉和错误事实，而databricks-dolly-15k由专业人士生成，包含高质量和更长答案，产生的结果也会更好。
Dolly 2.0项目完全开源，无论是商业还是学术用途，皆可用来创建高质量模型，且不需要冒着向第三方泄漏机密的风险，官方也认为，人工智能的安全、偏见和问责议题，需要由不同利益相关者共同解决，而开源数据集和模型，将可促进这类的研究和创新。
用户要下载Dolly 2.0模型的训练权重，可以从Hugging Face页面，并且存取databricks-labs中的Dolly储存库，下载databricks-dolly-15k数据集即可取得。
使用第三方的人工智能服务就有泄漏敏感资料的可能，三星因为开放员工使用ChatGPT，而泄露包括半导体设备量测数据库、生产/瑕疵设备相关软件，以及公司会议语音转录文字纪录等机密资料，这样的情形也不只发生在三星，资安公司Cyberhaven监控160万名员工 ，发现有3.1%员工上传敏感资料到ChatGPT上，因此对企业来说，自建指令遵循人工智能模型，可能是一个更安全也更有吸引力的选择。
