مدل ریاضی ۷ میلیاردی مایکروسافت که روی رقبا را پشت سر گذاشت, تیم تحقیق مایکروسافت با معرفی، یک مدل زبانی کوچک با ۷ میلیارد پارامتر،�� در حوزه هوش مصنوعی توجهات زیادی را به خود جلب کرد. این مدل ên ابعاد کوچک، در تست استاندارد توانسته است عملکرد بهتری نسبت به مدلهای بزرگتر و شناختهشدهای چون جمینای پرو،، لاما-۲-۷۰B و حتی مدلهای تخصصی ریاضی مثل و داشته باشد.

پایه فنی بر مبنای مِسترال ۷B است، باز متن شرکت فرانسوی AI که قبلاً مایکروسافت همکاری استراتژیک با آن را اعلام کرده بود.

انجامشده توسط مایکروسافت عملکرد را بیش از دو برابر افزایش داده است.

آموزش دادهمحور با ۲۰۰ هزار مسئله صرفاً بر روی ۲۰۰ هزار مسئله ریاضی آموزش داده شده، نه در استیناده- این حجم داده ممکن است بهنظر کم بیاید، اما انتخاب هوشمندانه و با کیفیت بالا آن، فرآیند یادگیری را شتابدهنده و کمهزینه مکانیسم یادگیری تکراری و بازخورد ناظر آموزش مدل بر پایه یک مسیر تکراری است.

در این روش، مدل سوال را حل میکند، بازخورد از یک ناظر و بر اساس خطاها و موفقیتها، استراتژی استدلال خود را بهصورت پیوسته بهروزرسانی میکند. این حلقه بازخورد ثابت، عامل اصلی دستیابی به دقت بالا در استدلال چندمرحلهای محسوب میشود. ارتباط با ۳ و تاثیر بر صنعت گفته میشود استارتاپ برای آموزش مدل قدرتمند ۳ نیز از رویکردی مشابه یا یک مجموعه دادهای همجهت استفاده کرده باشد.

خانواده مایکروسافت جدیدترین و تخصصیترین عضو خانواده است. tämän (۱۳ میلیارد پارامتر) – خرداد ۱۴۰۲ الهام گرفته از بهعنوان معلم هوش مصنوعی.

۲ (نسخههای ۷ و ۱۳ میلیاردی) – آبان ۱۴۰۲ بر پایه ۲ متا با تمرکز بر استدلال. (۷ میلیارد پارامتر) – امروز تخصص صرفاً برای استدلال ریاضی. این ến نشاندهنده استراتژی مایکروسافت برای ساخت مدلهای کوچک، تخصصی و کارا است که میتوانند در های واقعی نظیر آموزش هوشمند، یاری به محققان و خودکارسازی کدنویسی علمی، جایگزین ارزانتر و سریعتری برای مدلهای همهاره گرانقیمت فراهم کنند. منبع دیجیاتو