Microsoft hat Phi-4 vorgestellt, die neueste Version seiner Phi-Reihe von Modellen für generative künstliche Intelligenz (KI). Die optimierte Architektur berücksichtigt Fortschritte bei der matic Problemlösung.
Den Berichten zufolge soll das neue Modell mit 14 Milliarden Parametern mit anderen kompakten KI-Modellen wie GPT-4o Mini, Gemini 2.0 Flash und Claude 3.5 Haiku konkurrieren.
Laut dem Blog ist Phi-4 mit eingeschränktem Zugriff über die Azure AI Foundry-Plattform von Microsoft verfügbar und auf Forschungszwecke im Rahmen einer Microsoft-Forschungslizenzvereinbarung beschränkt.
Phi-4: Verbesserte Leistung im matic Denken
Microsoft hat Phi-4 als führend bei der Lösung matic Probleme positioniert und dabei erhebliche Leistungssteigerungen gegenüber seinen Vorgängern und vergleichbaren Modellen angeführt. Das Unternehmen ist von den Fähigkeiten des KI-Modells dent , nachdem Phi-4 Berichten zufolge in mehreren standardisierten Benchmarks Bestnoten erreicht hat.
Quelle: Microsoft
Im GPQA-Test erzielte es einen Wert von 56,1 und übertraf damit die 40,9 von GPT-4o und die 49,1 von Llama-3. Beim MATH-Benchmark erreichte Phi-4 80,4, was seine fortgeschrittenen Fähigkeiten bei der Lösung komplexer matic Probleme widerspiegelt. Auch bei Codierungs-Benchmarks schnitt es hervorragend ab und erreichte bei HumanEval eine Punktzahl von 82,6.
Darüber hinaus stellte Phi-4 sein Können in realen Szenarien unter Beweis, darunter hohe Punktzahlen bei Problemen bei den American matic Competitions der matic Association of America (AMC-10/12). Diese Ergebnisse deuten auf potenzielle Anwendungen in der wissenschaftlichen Forschung, im Ingenieurwesen und in der Finanzmodellierung hin, also in Bereichen, in denen matic Genauigkeit und Argumentation von entscheidender Bedeutung sind.
Quelle: Microsoft
Während größere Modelle wie GPT-4o von OpenAI und Gemini Ultra von Google mit Hunderten Milliarden oder sogar Billionen Parametern arbeiten, zeigt Phi-4, dass kleinere, optimierte Architekturen bei speziellen Aufgaben eine überlegene Leistung erzielen können.
Microsoft führt die Fortschritte von Phi-4 auf die Integration hochwertiger synthetischer Daten neben Datensätzen mit von Menschen erstellten Inhalten sowie auf nicht genannte Verbesserungen zurück, die während der Nachschulung vorgenommen wurden. Diese Bemühungen spiegeln einen breiteren Trend in der KI-Branche , wo sich Forschungsteams zunehmend auf Innovationen bei der Nutzung synthetischer Daten und der Optimierung nach dem Training konzentrieren.
Alexandr Wang, CEO von Scale AI, hob kürzlich diesen Wandel hervor und bemerkte, dass die Branche an eine „Datenmauer vor dem Training“ gestoßen sei, und fügte hinzu, dass Unternehmen nun um die Entwicklung effizienterer KI-Modelle kämpfen werden.
Rechenleistung ist wichtig, aber auch Daten sind wichtig, und wir haben eine Datenwand vor dem Training erreicht.
— Alexandr Wang (@alexandr_wang) 12. Dezember 2024
Machen Sie sich bereit für den Datenboom nach dem Training. Unternehmen werden darum wetteifern, über die besten Frontier-Daten zu verfügen – multimodale, agentenbasierte, komplexe Argumentation und mehr.
Verfolgen Sie die Daten, finden Sie die Gewinner.
7/8
Verantwortungsvolle KI und Sicherheitsfunktionen
Microsoft legt weiterhin Wert auf die verantwortungsvolle Entwicklung von KI-Lösungen und integriert robuste Sicherheitsmaßnahmen in Phi-4 und seine Vorgänger. Über Azure AI Foundry erhalten Benutzer Zugriff auf Tools, die zur Bewertung und Minderung von Risiken im gesamten KI-Entwicklungslebenszyklus entwickelt wurden.
Zu diesen Tools gehören sofortige Abschirmungen, die vor unangemessenen oder schädlichen Eingaben schützen, die Erkennung geschützter Materialien, um sensible Inhalte in Ausgaben zu dent , und die Erdungserkennung, um sicherzustellen, dass die Ausgaben sachlich korrekt und relevant sind.
Darüber hinaus sind Funktionen integriert, die es Entwicklern ermöglichen, Filter anzuwenden und Anwendungen auf Qualität, Sicherheit und Datenintegrität zu überwachen. Echtzeitwarnungen ermöglichen zeitnahe Interventionen, um Probleme wie kontroverse Aufforderungen und Inhaltsabweichungen zu beheben.
Azure AI Foundry unterstützt darüber hinaus iterative Modellbewertungen sowohl mit integrierten als auch benutzerdefinierten Metriken und gibt Entwicklern so die Flexibilität, ihre KI-Anwendungen für eine optimale Leistung zu optimieren.
Ein Schritt-für-Schritt-System zum Start Ihrer Web3-Karriere und zur Erlangung hochbezahlter Krypto-Jobs in 90 Tagen.
