Microsoft présente Phi-4, un nouveau modèle d'IA générative – Voici le package

Microsoft a dévoilé Phi-4, la dernière version de sa série Phi de modèles d'intelligence artificielle générative (IA). Son architecture simplifiée intègre des avancées en matière de résolution de problèmesmatic. 

D'après les rapports, ce nouveau modèle, doté de 14 milliards de paramètres, vise à concurrencer d'autres modèles d'IA compacts comme GPT-40 Mini, Gemini 2.0 Flash et Claude 3.5 Haiku.

Selon le blog, Phi-4 est disponible avec un accès limité via la plateforme Azure AI Foundry de Microsoft et son utilisation est restreinte à des fins de recherche en vertu d'un accord de licence de recherche Microsoft.

Phi-4 : Amélioration des performances en raisonnementmatic

Microsoft positionne Phi-4 comme un leader dans la résolution de problèmesmatic, mettant en avant des gains de performance substantiels par rapport à ses prédécesseurs et aux modèles comparables. L'entreprise estdent quant aux capacités de ce modèle d'IA, Phi-4 ayant apparemment obtenu d'excellents résultats dans plusieurs tests de performance standardisés. 

Au test GPQA, il a obtenu un score de 56,1, surpassant GPT-4o (40,9) et Llama-3 (49,1). Sur le benchmark MATH, Phi-4 a atteint 80,4, témoignant de ses capacités avancées à résoudre des problèmesmaticcomplexes. Il a également excellé dans les benchmarks de programmation, obtenant un score de 82,6 sur HumanEval.

De plus, Phi-4 a démontré son efficacité dans des situations concrètes, notamment en obtenant d'excellents résultats aux problèmes des compétitionsmaticaméricaines (AMC-10/12) de l'Associationmaticd'Amérique. Ces résultats indiquent des applications potentielles dans la recherche scientifique, l'ingénierie et la modélisation financière, des domaines où la précision et le raisonnementmaticsont essentiels.

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 rationalisées peuvent atteindre des performances supérieures dans des tâches spécialisées. 

Microsoft attribue les progrès de Phi-4 à l'intégration de données synthétiques de haute qualité aux côtés d'ensembles de données de contenu généré par l'humain, ainsi qu'à des améliorations non divulguées apportées après l'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. 

Le PDG de Scale AI, Alexandr Wang, a récemment souligné ce changement, faisant remarquer que le secteur s'est heurté à un « plafond de données de pré-entraînement », ajoutant que les entreprises vont désormais se précipiter pour développer des modèles d'IA plus efficaces.

La puissance de calcul est essentielle, mais les données le sont tout autant, et nous avons atteint un plafond de données pré-entraînement.

Préparez-vous à l'explosion des données post-entraînement. Les entreprises se livreront une véritable course aux données de pointe : multimodales, agentives, à raisonnement complexe, et bien plus encore.

Suivez les données, identifiez les gagnants.

7/8

– Alexandre Wang (@alexandr_wang) 12 décembre 2024

IA responsable et fonctionnalités de sécurité

Microsoft continue de privilégier le développement responsable des solutions d'IA, en intégrant des mesures de sécurité robustes à Phi-4 et à ses prédécesseurs. Grâce à Azure AI Foundry, les utilisateurs ont accès à des outils conçus pour évaluer et atténuer les risques tout au long du cycle de vie du développement de l'IA. 

Ces outils comprennent des protections immédiates, qui protègent contre les entrées inappropriées ou nuisibles, une détection de contenu protégé pourdentle contenu sensible dans les sorties, et une détection de la véracité pour garantir que les sorties sont factuellement exactes et pertinentes.

De plus, des fonctionnalités permettant aux développeurs d'appliquer des filtres et de surveiller la qualité, la sécurité et l'intégrité des données des applications. Des alertes en temps réel permettent d'intervenir rapidement pour résoudre des problèmes tels que les messages malveillants et les contenus non conformes.

Azure AI Foundry prend également en charge les évaluations itératives de modèles avec des métriques intégrées et personnalisées, offrant ainsi aux développeurs la flexibilité nécessaire pour optimiser leurs applications d'IA et obtenir des performances optimales.