Microsoft は、生成人工知能 (AI) モデルの Phi シリーズの最新バージョンである Phi-4 を発表しました。合理化されたアーキテクチャには、matic問題解決の進歩が組み込まれています。
レポートによると、140億個のパラメータを誇るこの新しいモデルは、GPT-4o Mini、Gemini 2.0 Flash、Claude 3.5 Haikuなどの他のコンパクトAIモデルと競合することを目的としています。
ブログ によると、Phi-4 は Microsoft の Azure AI Foundry プラットフォームを通じて限定的にアクセスでき、Microsoft 研究ライセンス契約に基づいて研究目的に限定されています。
Phi-4: 数学matic推論のパフォーマンスの向上
Microsoft は、Phi-4 をmatic問題解決のリーダーとして位置づけ、以前のモデルと同等のモデルの両方に比べて大幅なパフォーマンスの向上を挙げています。 Phi-4 がいくつかの標準化されたベンチマークで最高点を達成したと伝えられているため、同社は AI モデルの機能に自信をdent。
出典: マイクロソフト
GPQA テストでは 56.1 のスコアを獲得し、GPT-4o の 40.9 や Llama-3 の 49.1 を上回りました。 MATH ベンチマークでは、Phi-4 は 80.4 を達成しました。これは、複雑なmatic的問題に取り組む際の高度な機能を反映しています。コーディングベンチマークでも優れており、HumanEval で 82.6 のスコアを達成しました。
さらに、Phi-4 は、米国matic協会の米国maticコンテスト (AMC-10/12) の問題で高得点を獲得するなど、現実世界のシナリオでその優れた能力を実証しました。これらの結果は、科学研究、工学、財務モデリングなど、数学matic正確さと推論が重要な分野に応用できる可能性を示しています。
出典: マイクロソフト
OpenAI の GPT-4o や Google の Gemini Ultra のような大規模なモデルは数千億、さらには数兆のパラメータを使用して動作しますが、Phi-4 は、より小規模で合理化されたアーキテクチャが特殊なタスクで優れたパフォーマンスを達成できることを示しています。
Microsoft は、Phi-4 の進歩は、人間が生成したコンテンツのデータセットと高品質の合成データの統合、およびトレーニング後の非公開の改善によるものであると評価しています。 AI 業界 の幅広い傾向を反映しており、研究チームは合成データの使用とトレーニング後の最適化におけるイノベーションにますます注力しています。
Scale AI CEO の Alexandr Wang 氏は最近この変化を強調し、業界は「トレーニング前のデータの壁」にぶつかっていると述べ、企業は今後、より効率的な AI モデルの開発に向けて競争するだろうと付け加えた。
責任ある AI と安全機能
Microsoft は、AI ソリューションの責任ある開発を引き続き強調し、Phi-4 とその前任者に強力な安全対策を組み込んでいます。ユーザーは、Azure AI Foundry を通じて、AI 開発ライフサイクル全体のリスクを評価し、リスクを軽減するために設計されたツールにアクセスできます。
これらのツールには、不適切または有害な入力を保護するプロンプト シールド、出力内の機密コンテンツをdent。
さらに、 機能 統合されており、開発者がフィルターを適用し、アプリケーションの品質、安全性、データの整合性を監視できるようになります。リアルタイム アラートは、敵対的なプロンプトやコンテンツの逸脱などの問題に対処するためのタイムリーな介入を提供します。
Azure AI Foundry は さらに、組み込みメトリックとカスタム メトリックの両方を使用した反復的なモデル評価をサポートし、開発者が最適なパフォーマンスを得るために the_ir AI アプリケーションを柔軟に微調整できるようにします。
90 日以内に Web3 キャリアを開始し、高収入の暗号通貨関連の仕事に就くための ステップバイステップ システム
