A Microsoft apresenta o Phi-4, um novo modelo de IA generativa – Veja o pacote

A Microsoft apresentou o Phi-4, a versão mais recente da sua série Phi de modelos generativos de inteligência artificial (IA). A arquitetura simplificada incorpora avanços na resolução de problemasmatic. 

Segundo informações, o novo modelo, que possui 14 bilhões de parâmetros, visa competir com outros modelos compactos de IA, como o GPT-4o Mini, o Gemini 2.0 Flash e o Claude 3.5 Haiku.

De acordo com o blog, o Phi-4 está disponível com acesso limitado por meio da plataforma Azure AI Foundry da Microsoft e é restrito a fins de pesquisa, conforme um contrato de licença de pesquisa da Microsoft.

Phi-4: Desempenho aprimorado no raciocíniomatic

A Microsoft posicionou o Phi-4 como líder na resolução de problemasmatic, citando ganhos substanciais de desempenho em relação aos seus antecessores e modelos comparáveis. A empresa estádent nas capacidades do modelo de IA, após o Phi-4 ter alcançado, segundo relatos, as melhores notas em diversos testes de referência padronizados. 

No teste GPQA, obteve 56,1 pontos, superando os 40,9 do GPT-4o e os 49,1 do Llama-3. No benchmark MATH, o Phi-4 alcançou 80,4 pontos, refletindo suas capacidades avançadas na resolução de problemasmaticcomplexos. Também se destacou em benchmarks de programação, atingindo uma pontuação de 82,6 no HumanEval.

Além disso, o Phi-4 demonstrou sua capacidade em cenários do mundo real, incluindo altas pontuações em problemas das Competições Americanas dematicda Associaçãomaticda América (AMC-10/12). Esses resultados indicam aplicações potenciais em pesquisa científica, engenharia e modelagem financeira, áreas onde a precisão e o raciocíniomaticsão cruciais.

Embora modelos maiores, como o GPT-4o da OpenAI e o Gemini Ultra do Google, operem com centenas de bilhões ou até trilhões de parâmetros, o Phi-4 demonstra que arquiteturas menores e simplificadas podem alcançar desempenho superior em tarefas especializadas. 

A Microsoft atribui os avanços do Phi-4 à integração de dados sintéticos de alta qualidade com conjuntos de dados de conteúdo gerado por humanos, bem como a melhorias não divulgadas feitas durante o pós-treinamento. Esses esforços refletem uma tendência mais ampla na indústria de IA, onde as equipes de pesquisa estão cada vez mais focadas em inovações no uso de dados sintéticos e na otimização pós-treinamento. 

O CEO da Scale AI, Alexandr Wang, destacou recentemente essa mudança, observando que o setor atingiu um "limite de dados pré-treinamento", acrescentando que as empresas agora correrão para desenvolver modelos de IA mais eficientes.

A capacidade computacional é importante, mas os dados também, e atingimos um limite na disponibilidade de dados pré-treinamento.

Prepare-se para a explosão de dados pós-treinamento. As empresas vão competir para ter os melhores dados de ponta — multimodais, com agentes, raciocínio complexo e muito mais.

Acompanhe os dados e encontre os vencedores.

7/8

- Alexandr Wang (@alexandr_wang) 12 de dezembro de 2024

IA responsável e recursos de segurança

A Microsoft continua a enfatizar o desenvolvimento responsável de soluções de IA, incorporando medidas de segurança robustas no Phi-4 e em suas versões anteriores. Por meio do Azure AI Foundry, os usuários têm acesso a ferramentas projetadas para avaliar e mitigar riscos em todo o ciclo de vida do desenvolvimento de IA. 

Essas ferramentas incluem proteções imediatas, que resguardam contra entradas inadequadas ou prejudiciais, detecção de material protegido paradentconteúdo sensível nas saídas e detecção de fundamentação para garantir que as saídas sejam factualmente precisas e relevantes.

Além disso, o recursos que permitem aos desenvolvedores aplicar filtros e monitorar aplicativos quanto à qualidade, segurança e integridade dos dados. Alertas em tempo real possibilitam intervenções oportunas para solucionar problemas como solicitações maliciosas e desvios de conteúdo.

O Azure AI Foundry oferece suporte adicional a avaliações iterativas de modelos com métricas integradas e personalizadas, proporcionando aos desenvolvedores a flexibilidade necessária para ajustar seus aplicativos de IA e obter o melhor desempenho.