마이크로소프트가 새로운 생성형 AI 모델인 Phi-4를 공개했습니다. 패키지는 여기에서 확인할 수 있습니다

마이크로소프트는 자사의 생성형 인공지능(AI) 모델 시리즈인 파이(Phi)의 최신 버전인 파이-4(Phi-4)를 공개했습니다. 간소화된 아키텍처에는matic문제 해결 분야의 발전된 기술이 통합되어 있습니다. 

보도에 따르면 140억 개의 매개변수를 자랑하는 이 새로운 모델은 GPT-4o Mini, Gemini 2.0 Flash, Claude 3.5 Haiku와 같은 다른 소형 AI 모델들과 경쟁하는 것을 목표로 합니다.

에 따르면 블로그, Phi-4는 마이크로소프트의 Azure AI Foundry 플랫폼을 통해 제한적으로 이용할 수 있으며, 마이크로소프트 연구 라이선스 계약에 따라 연구 목적으로만 사용이 제한됩니다.

Phi-4:matic추론 능력 향상

마이크로소프트는 파이-4(Phi-4)를matic문제 해결 분야의 선두 주자로 내세우며, 이전 모델 및 유사 모델 대비 상당한 성능 향상을 강조했습니다. 파이-4가 여러 표준 벤치마크에서 최고 점수를 획득했다는 보도가 나온 후, 마이크로소프트는 이 AI 모델의 역량에 대해dent 보이고 있습니다. 

GPQA 테스트에서 Phi-4는 56.1점을 기록하며 GPT-4o의 40.9점과 Llama-3의 49.1점을 능가했습니다. MATH 벤치마크에서는 80.4점을 달성하여 복잡한matic문제를 해결하는 뛰어난 능력을 보여주었습니다. 또한 코딩 벤치마크에서도 우수한 성능을 발휘하여 HumanEval에서 82.6점을 획득했습니다.

또한, Phi-4는 미국matic협회(MAA)의 미국수학matic등대회(AMC-10/12) 문제에서 높은 점수를 획득하는 등 실제 시나리오에서 뛰어난 성능을 입증했습니다. 이러한 결과는matic정확성과 추론 능력이 중요한 과학 연구, 엔지니어링 및 금융 모델링 분야에서의 잠재적 활용 가능성을 시사합니다.

OpenAI의 GPT-4o나 구글의 Gemini Ultra와 같은 대형 모델은 수천억 또는 수조 개의 매개변수를 사용하여 작동하지만, Phi-4는 더 작고 간소화된 아키텍처가 특정 작업에서 뛰어난 성능을 달성할 수 있음을 보여줍니다. 

마이크로소프트는 Phi-4의 성능 향상을 고품질 합성 데이터와 사람이 생성한 콘텐츠 데이터 세트를 통합한 점, 그리고 학습 후 최적화 과정에서 이루어진 비공개 개선 사항 덕분이라고 설명합니다. 이러한 노력은 AI 업계연구팀들이 합성 데이터 활용 및 학습 후 최적화 분야의 혁신에 점점 더 집중하고 있는 

Scale AI의 CEO인 알렉산드르 왕은 최근 이러한 변화를 강조하며 업계가 "사전 학습 데이터의 벽"에 부딪혔다고 언급했고, 이제 기업들은 더욱 효율적인 AI 모델 개발에 경쟁적으로 나설 것이라고 덧붙였습니다.

컴퓨팅 능력도 중요하지만 데이터 자체도 중요하며, 우리는 이미 사전 학습 데이터의 한계에 도달했습니다. 이제 사후 학습

데이터의 폭발적인 증가에 대비해야 합니다. 기업들은 멀티모달, 에이전트, 복잡한 추론 등 최첨단 데이터를 확보하기 위해 경쟁할 것입니다.

데이터의 흐름을 따라가면 승자를 찾을 수 있습니다.

7/8

— 알렉산드르 왕(@alexandr_wang) 2024년 12월 12일

책임감 있는 AI 및 안전 기능

Microsoft는 Phi-4 및 이전 버전에 강력한 안전 조치를 통합하여 책임감 있는 AI 솔루션 개발을 지속적으로 강조하고 있습니다. Azure AI Foundry를 통해 사용자는 AI 개발 수명 주기 전반에 걸쳐 위험을 평가하고 완화하도록 설계된 도구를 이용할 수 있습니다. 

이러한 도구에는 부적절하거나 유해한 입력을 방지하는 신속 보호 기능, 출력에서 ​​민감한 콘텐츠를dent하는 보호 대상 자료 감지 기능, 출력이 사실에 부합하고 관련성이 있는지 확인하는 근거 감지 기능이 포함됩니다.

있습니다 기능이 . 실시간 알림을 통해 악의적인 메시지나 콘텐츠 오류와 같은 문제를 적시에 해결할 수 있습니다.

Azure AI Foundry는 내장 메트릭과 사용자 지정 메트릭을 모두 사용하여 반복적인 모델 평가를 지원하므로 개발자는 최적의 성능을 위해 AI 애플리케이션을 세밀하게 조정할 수 있는 유연성을 확보할 수 있습니다.