Phi-2: La surprenante puissance des petits modèles linguistiques

Publié le 12 décembre 2023
Par Mojan Javaheripi, chercheur principal
Sébastien Bubeck, directeur de la recherche
Partager cette page Marah Abdin, Jyoti Aneja, Sebastien Bubeck, Caio César Teodoro Mendes, Weizhu Chen, Allie Del Giorno, Ronen Eldan, Sivakanth Gopi, Suriya Gunasekar, Mojan Javaheripi, Piero Kauffmann, Yin Tat Lee, Yuanzhi Li, Anh Nguyen, Gustavo de Rosa, Olli Saarikivi, Adil Salim, Shital Shah, Michael Santacroce, Harkirat Singh Behl, Adam Taumann Kalai, Xin Wang, Rachel Ward, Philipp Witte, Cyril Zhang, Yi Zhang Au cours des derniers mois, notre équipe de Machine Learning Foundations de Microsoft Research a publié une suite de petits modèles de langage (SLM) appelés «Phi» qui ont des performances remarquables sur une variété de benchmarks. Notre premier modèle, Phi-1 de 1,3 milliard de paramètres (s’ouvre dans un nouvel onglet), a atteint les meilleures performances en Python coding parmi les SLM existants (notamment sur les benchmarks HumanEval et MBPP). Nous avons ensuite élargi notre focus sur la raisonnement commun et la compréhension du langage et créé un nouveau modèle de 1,3 milliard de paramètres nommé Phi-1.5 (s’ouvre dans un nouvel onglet) avec des performances comparables aux modèles 5 fois plus grands.