人工智能大战微软发布 Phi-3，一款可轻松安装在手机上的人工智能模型
本周早些时候，微软在 HuggingFace、Ollama 和 Azure 人工智能目录上推出了 Phi-3。虽然它的常识技能与 Windows Copilot在速度、效率和性能方面可与主流 LLM 相媲美。
Phi-3 拥有 38 亿个参数，比其前身稍大一些。但仍然足够小，只需 1.8GB 的移动存储空间即可运行。相比之下，典型的复杂 LLM（如 Llama 或 GPT-3.5）需要使用数千亿个参数来理解输入，因此不适合本地存储。GPT-5、 将于今年夏天推出预计将有数万亿个参数。根据传统的缩放法则，更多的参数意味着更多的智能结果。但据微软公司称，情况未必如此。
微软在其技术报告中提出了一些大胆的主张。在 19 项基准测试中，Phi-3-mini 在 12 项测试中都优于 Llama-3-instruct，尽管其运行参数是后者的两倍。在 19 项基准测试中的 12 项测试中，Phi-3-mini 的性能似乎优于 Llama-3-instruct，尽管其运行参数是后者的两倍多。在 7B Phi-3-small 和 14B Phi-3-medium 的测试中，结果更是惊人。
工程师们将这些效率提升归功于他们精心策划的训练数据集https://www.microsoft.com/en-us/research/publication/textbooks-are-all-you-need/从两个来源获得：教科书质量 "的网络内容，以及人工智能生成的数据，这些数据旨在教授语言、常识和常识推理，并以精选的 3000 个单词作为构建模块。微软的研究人员声称，这种数据配方使去年的 Phi-2 的性能可以与 Meta 的更大型（70 B）的 Llama-2 模型.
Azure AI 公司副总裁埃里克-博伊德（Eric Boyd）通过The Verge吹嘘说，Phi-3 的性能与 GPT-3.5 不相上下，只是 "外形尺寸更小"。然而，由于尺寸有限，Phi-3 仍然受到事实知识不足的困扰。也许这是人工智能原生运行而不是通过云计算运行的必要权衡？
考虑到灵活性和成本效益是企业面临的关键问题，企业已经开始利用 SLM 的功能也就不足为奇了。不过，Phi-3 也面临着激烈的竞争。Meta公司的Llama-3、Anthropic 的Claude-3 套件、Google Gemini 和Gemma都有能够支持移动边缘计算的轻量级版本。尽管Phi-3似乎在竞争中处于有利地位，但Gemini Nano已经进入了谷歌Pixel 8 Pro和三星Galaxy S24系列（亚马逊售价784美元）等设备。
Phi-3系列人工智能模型绝不是微软一直在研究的唯一SLM。上个月，该公司改造了 Mistral，创建了Orca-Math。这是一个专门的模型，在小学数学方面的准确性大大高于 Llama、GPT-3.5 和 Gemini Pro。AutoDev是一个较新的项目，它借鉴了 AutoGen 和 Auto-GPT，可根据用户定义的目标自主规划和执行编程任务。人工智能大战还远未结束，但至少在较小规模上，我们已经有了领先的竞争者。
