微軟研究院發(fā)布了最強(qiáng)小參數(shù)模型——Phi-4。
Phi系列模型自今已經(jīng)發(fā)布了5代,Phi-4也延續(xù)了之前的小參數(shù)模式只有140億。
但在GPQA研究生水平、MATH數(shù)學(xué)基準(zhǔn)中,分別達(dá)到了56.1和80.4超過(guò)了GPT-4o,同時(shí)也超過(guò)了同類型的開(kāi)源模型Qwen2.5-14B和Llama-3.3-70B。
而在美國(guó)數(shù)學(xué)競(jìng)賽AMC的測(cè)試中,Phi-4達(dá)到了驚人的91.8分,再次超過(guò)了GeminiPro1.5、GPT-4o、Claude3.5Sonnet、Qwen2.5等知名開(kāi)閉源模型,甚至整體性能可以與4050億參數(shù)的Llama-3.1相媲美。
這也就是說(shuō),只要使用了高質(zhì)量數(shù)據(jù)和創(chuàng)新訓(xùn)練方法,小參數(shù)模型同樣可以戰(zhàn)勝大參數(shù),但在部署、應(yīng)用和推理方面極大減少了對(duì)AI算力和環(huán)境的要求。
使用高質(zhì)量合成數(shù)據(jù)
Phi-4能以如此小的參數(shù)獲得巨大性能,使用高質(zhì)量合成訓(xùn)練數(shù)據(jù)是關(guān)鍵環(huán)節(jié)之一。
傳統(tǒng)的大模型通常依賴于從網(wǎng)絡(luò)抓取或公開(kāi)數(shù)據(jù)庫(kù)獲取的真實(shí)世界文本作為訓(xùn)練數(shù)據(jù),這種方法雖然能夠提供豐富的信息來(lái)源,但也容易受到噪聲干擾和偏見(jiàn)影響。
Phi-4則使用了種子策劃、多Agent提示、自我修訂工作流、重寫和增強(qiáng)以及指令反轉(zhuǎn)等多種合成方法,有效解決了傳統(tǒng)無(wú)監(jiān)督數(shù)據(jù)集的缺點(diǎn)。
種子策劃是合成數(shù)據(jù)生成的起點(diǎn)。Phi-4從多個(gè)領(lǐng)域提取高質(zhì)量的數(shù)據(jù)種子,為合成數(shù)據(jù)生成打下堅(jiān)實(shí)基礎(chǔ),使得能夠創(chuàng)建針對(duì)模型訓(xùn)練目標(biāo)的練習(xí)、討論和推理任務(wù)。
策劃的種子包括從網(wǎng)頁(yè)、書籍和代碼庫(kù)中提取的文段和代碼片段,這些內(nèi)容展示了高復(fù)雜性、深度推理和教育價(jià)值。為了確保質(zhì)量,采用了兩階段過(guò)濾過(guò)程:首先是識(shí)別具有強(qiáng)教育潛力的頁(yè)面,然后是將選定的頁(yè)面分割成段落,對(duì)每個(gè)段落進(jìn)行事實(shí)和推理內(nèi)容的評(píng)分。
此外,多Agent提示允許不同智能體之間進(jìn)行交互對(duì)話,從而創(chuàng)造出更加多樣化且貼近真實(shí)應(yīng)用場(chǎng)景的交流場(chǎng)景;而自我修訂工作流則鼓勵(lì)模型參與到自身的編輯過(guò)程中,以此提高輸出內(nèi)容的質(zhì)量和一致性。
通過(guò)改變?nèi)蝿?wù)描述的方式,指令反轉(zhuǎn)可以增加模型處理不同類型問(wèn)題的能力,進(jìn)一步增強(qiáng)了其靈活性和適應(yīng)性。
總體上,一共生成了50種不同類型的合成數(shù)據(jù)集,涵蓋廣泛的主題和技能,總計(jì)約400B未加權(quán)的高質(zhì)量token數(shù)據(jù)。
創(chuàng)新訓(xùn)練方法
為了確保phi-4能在廣泛的任務(wù)類型上表現(xiàn)出色,研究人員使用了一系列針對(duì)性創(chuàng)新訓(xùn)練方法,并根據(jù)實(shí)際需求調(diào)整各類數(shù)據(jù)的比例。尤其是針對(duì)長(zhǎng)上下文理解能力的需求,phi-4增加了rope位置編碼的基礎(chǔ)頻率至25萬(wàn)次,并相應(yīng)地降低了最大學(xué)習(xí)率,以更好地適應(yīng)更長(zhǎng)的文本序列。
這種做法有效提升了模型對(duì)于復(fù)雜結(jié)構(gòu)化信息的理解力,使其在面對(duì)需要綜合分析多個(gè)段落甚至整篇文章的問(wèn)題時(shí)也能游刃有余。phi-4還特別注重了不同類型數(shù)據(jù)之間的平衡,避免某類數(shù)據(jù)過(guò)多導(dǎo)致其他方面性能下降的情況發(fā)生。
而在 phi-4的后訓(xùn)練過(guò)程中,研究團(tuán)隊(duì)采用了兩種形式的 DPO 數(shù)據(jù)對(duì)模型進(jìn)行了強(qiáng)化訓(xùn)練。第一種是基于人工標(biāo)注的 SFT數(shù)據(jù),即由專家精心挑選并標(biāo)記好的問(wèn)答對(duì);
第二種則是自動(dòng)構(gòu)建的 DPO 對(duì),這種方法通過(guò)搜索重要的轉(zhuǎn)折點(diǎn),將原始對(duì)話片段拆分成多個(gè)選項(xiàng),并讓模型從中選擇最優(yōu)解。通過(guò)結(jié)合這兩種方式,phi-4不僅學(xué)會(huì)了如何產(chǎn)生更符合預(yù)期的回答,還能夠在不同情境下靈活調(diào)整語(yǔ)氣和風(fēng)格,從而提供更加個(gè)性化的交互體驗(yàn)。
此外,phi-4還引入了一些創(chuàng)新性的后訓(xùn)練方法,以增強(qiáng)其在特定領(lǐng)域內(nèi)的表現(xiàn)。例如,在 STEM領(lǐng)域問(wèn)題解答方面,phi-4利用了一個(gè)名為Math-Shepherd 的工具來(lái)進(jìn)行驗(yàn)證和強(qiáng)化學(xué)習(xí)。Math-Shepherd 可以自動(dòng)檢查模型生成的答案是否正確,并且在必要時(shí)提供額外指導(dǎo),幫助模型逐步掌握正確的解題思路。
這種方法有效地解決了傳統(tǒng)無(wú)監(jiān)督數(shù)據(jù)集中常見(jiàn)的邏輯不嚴(yán)密等問(wèn)題,使得 phi-4在數(shù)學(xué)競(jìng)賽類題目上的準(zhǔn)確率達(dá)到了驚人的80.4%,遠(yuǎn)超其他同類產(chǎn)品。
此外,針對(duì)編程代碼評(píng)估任務(wù),Phi-4也采取了類似的方法,通過(guò)對(duì)大量開(kāi)源項(xiàng)目中的代碼片段進(jìn)行分析和總結(jié),提升了其在該領(lǐng)域的執(zhí)行效率和準(zhǔn)確性。
值得一提的是,微軟AI副總裁、phi系列模型的靈魂人物之一Sébastien Bubeck已經(jīng)離開(kāi)了微軟加入了OpenAI。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。
2024年的Adobe MAX 2024發(fā)布會(huì)上,Adobe推出了最新版本的Adobe Creative Cloud。
奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。
“以前都要去窗口辦,一套流程下來(lái)都要半個(gè)月了,現(xiàn)在方便多了!”打開(kāi)“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來(lái)實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡(jiǎn)直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會(huì)——工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析專題論壇在沈陽(yáng)成功舉辦。