Microsoft dévoile Phi-4, un nouveau modèle d'IA générative – Voici la formule
- Microsoft a lancé Phi-4, une IA générative dotée de 14 milliards de paramètres.
- Le modèle d'IA devrait rivaliser avec d'autres modèles populaires comme GPT-4o Mini, Gemini et Claude, malgré sa taille « plus petite ».
- Phi-4 serait particulièrement bien équipé pour résoudre des problèmes mathématiques.
Microsoft a dévoilé Phi-4, la dernière itération de sa série de modèles d'intelligence artificielle générative (IA) Phi. L'architecture simplifiée intègre des avancées dans la résolution de problèmes mathématiques.
Selon les rapports, le nouveau modèle, qui compte 14 milliards de paramètres, vise à concurrencer d'autres modèles IA compacts tels que GPT-4o Mini, Gemini 2.0 Flash et Claude 3.5 Haiku.
Selon le blog de Microsoft, Phi-4 est disponible avec un accès limité via la plateforme Microsoft Azure AI Foundry et est restreint à des fins de recherche dans le cadre d'un accord de licence de recherche Microsoft.
Phi-4 : Performances améliorées en raisonnement mathématique
Microsoft a positionné Phi-4 comme un leader dans la résolution de problèmes mathématiques, citant des gains de performances substantiels par rapport à ses prédécesseurs et aux modèles comparables. L'entreprise est confiante dans les capacités du modèle IA après que Phi-4 aurait obtenu les meilleures notes dans plusieurs benchmarks standardisés.
Dans le test GPQA, il a obtenu 56,1, surpassant les 40,9 de GPT-4o et les 49,1 de Llama-3. Sur le benchmark MATH, Phi-4 a atteint 80,4, reflétant ses capacités avancées à résoudre des problèmes mathématiques complexes. Il a également excellé dans les benchmarks de codage, obtenant un score de 82,6 sur HumanEval.
De plus, Phi-4 a démontré sa maîtrise dans des scénarios réels, y compris des scores élevés sur des problèmes issus des Compétitions de Mathématiques Américaines (AMC-10/12) de l'Association Mathématique d'Amérique. Ces résultats indiquent des applications potentielles dans la recherche scientifique, l'ingénierie et la modélisation financière, des domaines où la précision et le raisonnement mathématiques sont critiques.
Alors que des modèles plus grands comme GPT-4o d'OpenAI et Gemini Ultra de Google fonctionnent avec des centaines de milliards, voire des billions de paramètres, Phi-4 démontre que des architectures plus petites et simplifiées peuvent atteindre des performances supérieures dans des tâches spécialisées.
Microsoft attribue les avancées de Phi-4 à l'intégration de données synthétiques de haute qualité aux côtés de jeux de données de contenu généré par des humains, ainsi qu'à des améliorations non divulguées apportées lors du post-entraînement. Ces efforts reflètent une tendance plus large dans l'industrie de l'IA, où les équipes de recherche se concentrent de plus en plus sur les innovations dans l'utilisation des données synthétiques et l'optimisation post-entraînement.
Alexandr Wang, PDG de Scale AI, a récemment mis en évidence ce changement, remarquant que l'industrie a atteint un « mur de données de pré-entraînement », ajoutant que les entreprises se lanceront désormais dans une course au développement de modèles IA plus efficaces.
Le calcul est important, mais les données le sont aussi, et nous avons atteint un mur de données de pré-entraînement.
— Alexandr Wang (@alexandr_wang) Décembre 12, 2024
Préparez-vous au boom des données de post-entraînement. Les entreprises se disputeront les meilleures données de pointe – multimodales, agentices, raisonnement complexe, et plus encore.
Suivez les données, trouvez les gagnants.
7/8
IA responsable et fonctionnalités de sécurité
Microsoft continue de souligner le développement responsable des solutions IA, intégrant des mesures de sécurité robustes dans Phi-4 et ses prédécesseurs. Via Azure AI Foundry, les utilisateurs accèdent à des outils conçus pour évaluer et atténuer les risques tout au long du cycle de développement de l'IA.
Ces outils incluent des boucliers de prompts, qui protègent contre les entrées inappropriées ou nuisibles, la détection de matériel protégé pour identifier les contenus sensibles dans les sorties, et la détection de l'ancrage factuel pour garantir que les sorties sont factuellement exactes et pertinentes.
De plus, des fonctionnalités sont intégrées dans la boîte à outils Content Safety d'Azure AI, permettant aux développeurs d'appliquer des filtres et de surveiller les applications pour la qualité, la sécurité et l'intégrité des données. Des alertes en temps réel fournissent des interventions opportunes pour résoudre des problèmes tels que les invites adverses et les déviations de contenu.
Azure AI Foundry prend également en charge les évaluations itératives des modèles avec des métriques intégrées et personnalisées, offrant aux développeurs la flexibilité d'affiner leurs applications IA pour des performances optimales.
Ne vous contentez pas de lire les actualités crypto. Comprenez-les. Abonnez-vous à notre newsletter. C'est gratuit.
Avertissement. Les informations fournies ne constituent pas des conseils en matière d'investissement. Cryptopolitan.com ne saurait être tenue responsable des investissements réalisés sur la base des informations fournies sur cette page. Nous recommandons vivement de mener vos propres recherches et/ou de consulter un professionnel qualifié avant de prendre toute décision d'investissement.
Florence Muchai
Florence couvre depuis 6 ans l'actualité crypto, du jeu vidéo, de la technologie et de l'IA. Ses études en informatique à l'Université de sciences et technologies de Meru et sa formation en gestion des catastrophes et en diplomatie internationale à l'MMUST lui ont amplement permis de développer des compétences linguistiques, d'observation et techniques. Florence a travaillé au sein du groupe VAP et en tant qu'éditrice pour plusieurs médias spécialisés dans la crypto.
