先后和 OpenAI、Meta 牽手推動大模型發(fā)展的微軟，也正在加快自家小模型的迭代。就在今天，微軟正式發(fā)布了一個 27 億參數(shù)的語言模型——Phi-2。這是一種文本到文本的人工智能程序，具有出色的推理和語言理解能力。

同時，微軟研究院也在官方 X 平臺上如是說道，“Phi-2 的性能優(yōu)于其他現(xiàn)有的小型語言模型，但它足夠小，可以在筆記本電腦或者移動設(shè)備上運行”。

Phi-2 的性能真能優(yōu)于大它 25 倍的模型？

對于Phi-2 的發(fā)布，微軟研究院在官方公告的伊始便直言，Phi-2 的性能可與大它 25 倍的模型相匹配或優(yōu)于。

這也讓人有些尷尬的事，不少網(wǎng)友評價道，這豈不是直接把 Google 剛發(fā)的 Gemini 最小型號的版本給輕松超越了？

那具體情況到底如何？

微軟通過時下一些如 Big Bench Hard (BBH)、常識推理（PIQA、WinoGrande、ARC easy 和 Challenge、SIQA）、語言理解（HellaSwag、OpenBookQA、MMLU（5-shot）、 SQuADv2、BoolQ）、數(shù)學(xué)（GSM8k）和編碼（HumanEval）等基準(zhǔn)測試，將 Phi-2 與 7B 和 13B 參數(shù)的 Mistral 和 Llama-2 進(jìn)行了比較。

最終得出僅擁有 27 億個參數(shù)的 Phi-2 ，超越了 Mistral 7B 和 Llama-2 7B 以及 13B 模型的性能。值得注意的是，與大它 25 倍的 Llama-2-70B 模型相比，Phi-2 還在多步推理任務(wù)（即編碼和數(shù)學(xué)）上實現(xiàn)了更好的性能。

此外，如上文所提及的，微軟研究人員也直接在基準(zhǔn)測試中放上了其與Google 全新發(fā)布的 Gemini Nano 2 正面PK 的結(jié)果，不出所料，Phi-2盡管尺寸較小，但性能還是把Gemini Nano 2 超了。

除了這些基準(zhǔn)之外，研究人員似是在暗諷 Google 前幾日在Gemini 演示視頻中造假一事，因為當(dāng)時 Google 稱其即將推出的最大、最強大的新人工智能模型 Gemini Ultra 能夠解決相當(dāng)復(fù)雜的物理問題，并且甚至糾正學(xué)生的錯誤。

事實證明，盡管 Phi-2 的大小可能只是 Gemini Ultra 的一小部分，但它也能夠正確回答問題并使用相同的提示糾正學(xué)生。

微軟的改進(jìn)

Phi-2 小模型之所以有如此亮眼的成績，微軟研究院在博客中解釋了原因。

一是提升訓(xùn)練數(shù)據(jù)的質(zhì)量。Phi-2 是一個基于 Transformer 的模型，其目標(biāo)是預(yù)測下一個單詞，它在 1.4T 個詞組上進(jìn)行了訓(xùn)練，這些詞組來自 NLP 和編碼的合成數(shù)據(jù)集和網(wǎng)絡(luò)數(shù)據(jù)集，包括科學(xué)、日常活動和心理理論等用于教授模型常識和推理的內(nèi)容。Phi-2 的訓(xùn)練是在 96 個 A100 GPU 上耗時 14 天完成的。

其次，微軟使用創(chuàng)新技術(shù)進(jìn)行擴(kuò)展，將其知識嵌入到 27 億參數(shù) Phi-2 中。

微軟指出，Phi-2 是一個基礎(chǔ)模型，沒有通過人類反饋強化學(xué)習(xí)（RLHF）進(jìn)行調(diào)整，也沒有經(jīng)過指導(dǎo)性微調(diào)。盡管如此，與經(jīng)過對齊的現(xiàn)有開源模型相比，微軟觀察到在毒性和偏差方面，Phi-2 有更好的表現(xiàn)。

寫在最后

話說 Phi-2 的發(fā)布的確在小模型的性能上實現(xiàn)了突破，不過也有媒體發(fā)現(xiàn)它還存在很大的局限性。

因為根據(jù)微軟研究許可證顯示，其規(guī)定了 Phi -2 只能用于“非商業(yè)、非創(chuàng)收、研究目的”，而不是商業(yè)用途。因此，想要在其之上構(gòu)建產(chǎn)品的企業(yè)就不走運了。

審核編輯：劉清