پرش به محتوا
آخرین اخبار
بسته جعلی NuGet برای دست‌کاری نتایج بازی Digitain شناسایی شد OpenAI نقش مدل‌های خود در حمله به Hugging Face را تأیید کرد آسیب‌پذیری Kiro اجرای کد مخرب را بدون تأیید کاربر ممکن می‌کرد هزاران مخزن جعلی GitHub کاربران و عامل‌های هوش مصنوعی را هدف گرفتند حملات گسترده به وردپرس با دو آسیب‌پذیری بحرانی آغاز شد باج‌افزار جدید ENCFORGE زیرساخت‌های هوش مصنوعی را هدف قرار داد حمله یک عامل هوش مصنوعی به پلتفرم Hugging Face تأیید شد آسیب‌پذیری بحرانی nginx امکان اجرای کد از راه دور را فراهم می‌کند بسته جعلی NuGet برای دست‌کاری نتایج بازی Digitain شناسایی شد OpenAI نقش مدل‌های خود در حمله به Hugging Face را تأیید کرد آسیب‌پذیری Kiro اجرای کد مخرب را بدون تأیید کاربر ممکن می‌کرد هزاران مخزن جعلی GitHub کاربران و عامل‌های هوش مصنوعی را هدف گرفتند حملات گسترده به وردپرس با دو آسیب‌پذیری بحرانی آغاز شد باج‌افزار جدید ENCFORGE زیرساخت‌های هوش مصنوعی را هدف قرار داد حمله یک عامل هوش مصنوعی به پلتفرم Hugging Face تأیید شد آسیب‌پذیری بحرانی nginx امکان اجرای کد از راه دور را فراهم می‌کند
اخبار

مدل‌ جدید Phi ۴ با مجوز باز منتشر شد

اردیبهشت ۱۱, ۱۴۰۴ نوشتهٔ nastaran بدون نظر

کمیته رکن چهارم – شرکت مایکروسافت از مجموعه‌ای جدید از مدل‌های هوش مصنوعی با عنوان Phi 4 رونمایی کرده است؛ مدل‌هایی که با وجود اندازه کوچک، عملکردی در سطح برخی از قدرتمندترین مدل‌های موجود نشان می‌دهند.

به گزارش کمیته رکن چهارم، مدل‌های معرفی‌شده شامل Phi 4 mini reasoning، Phi 4 reasoning و Phi 4 reasoning plus هستند و همگی تحت مجوز باز و آزاد در اختیار توسعه‌دهندگان قرار گرفته‌اند.

این مدل‌ها برای انجام وظایف استدلالی طراحی شده‌اند و تمرکز آن‌ها بر دقت در حل مسائل پیچیده، به‌ویژه در حوزه‌های ریاضی، علوم و برنامه‌نویسی است. مدل Phi 4 mini reasoning با ۳.۸ میلیارد پارامتر برای کاربردهای آموزشی در دستگاه‌های سبک طراحی شده و بر پایه یک میلیون مسئله ریاضی مصنوعی آموزش دیده است. نسخه Phi 4 reasoning با ۱۴ میلیارد پارامتر نیز با بهره‌گیری از داده‌های وب و نمونه‌های انتخاب‌شده از مدل‌های OpenAI، توانایی بالایی در انجام وظایف پیشرفته دارد.

نسخه پیشرفته‌تر این خانواده، یعنی Phi 4 reasoning plus، براساس مدل قبلی Phi 4 ساخته شده و به سطح عملکرد مدل‌های بسیار بزرگ‌تری مانند R1 با ۶۷۱ میلیارد پارامتر نزدیک شده است. در آزمون مهارت ریاضی OmniMath نیز عملکرد آن با o3-mini شرکت OpenAI برابر ارزیابی شده است.

این مدل‌ها که اکنون از طریق پلتفرم Hugging Face قابل استفاده هستند، به گفته مایکروسافت با استفاده از روش‌هایی مثل «انتقال دانش از مدل‌های بزرگ‌تر به مدل‌های کوچکتر» و «آموزش مبتنی بر پاداش‌دهی مرحله‌ای»، به تعادلی کم‌نظیر بین حجم کم و عملکرد بالا دست یافته‌اند. به دلیل کوچک بودن این مدل‌ها، حتی دستگاه‌هایی که منابع محدودی دارند هم می‌توانند وظایف استدلالی پیچیده را با دقت و سرعت بالا انجام دهند.

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *


Type The Red Captcha Characters Below.