编译/前方智能
微软于 2025 年 1 月 8 日正式宣布，将其 Phi-4 语言模型完整开源，并在 AI 代码共享平台 Hugging Face 上发布了包含模型权重在内的所有内容。该模型采用 MIT 许可，这意味着开发者可以将其用于商业应用。
Phi-4 是一个仅有 140 亿参数的小型语言模型，其训练数据包含 9.8 万亿个 tokens，涵盖经过严格筛选的公开文档、类似教科书的合成数据以及高质量的学术著作和问答数据集。尽管体量较小，但在多项基准测试中表现出色，特别是数学推理和编程。该模型在 MATH 和 MGSM 等具有挑战性的基准测试中得分超过 80%，超越了包括 Gemini Pro 和 GPT-4o-mini 在内的多个更大规模模型。
在 2024 年 11 月的美国数学竞赛测试中，Phi-4 取得了 91.8% 的平均得分，这一成绩出人意料地超过了所有参与测试的竞争对手。值得注意的是，这些测试题目是在模型训练完成后才出现的，这证明了模型具有真正的推理能力，而不仅仅是记忆训练数据。
編譯/前方智能
微軟於 2025 年 1 月 8 日正式宣佈，將其 Phi-4 語言模型完整開源，並在 AI 代碼共享平台 Hugging Face 上發佈了包含模型權重在內的所有內容。該模型採用 MIT 許可，這意味着開發者可以將其用於商業應用。
Phi-4 是一個僅有 140 億參數的小型語言模型，其訓練數據包含 9.8 萬億個 tokens，涵蓋經過嚴格篩選的公開文檔、類似教科書的合成數據以及高質量的學術著作和問答數據集。儘管體量較小，但在多項基準測試中表現出色，特別是數學推理和編程。該模型在 MATH 和 MGSM 等具有挑戰性的基準測試中得分超過 80%，超越了包括 Gemini Pro 和 GPT-4o-mini 在內的多個更大規模模型。
在 2024 年 11 月的美國數學競賽測試中，Phi-4 取得了 91.8% 的平均得分，這一成績出人意料地超過了所有參與測試的競爭對手。值得注意的是，這些測試題目是在模型訓練完成後才出現的，這證明了模型具有真正的推理能力，而不僅僅是記憶訓練數據。
使用瀏覽器的分享功能，分享給你的好友吧
