Microsoft svela un significativo miglioramento nella messa a punto dei modelli in Azure AI Foundry

Microsoft svela un significativo miglioramento nella messa a punto dei modelli in Azure AI Foundry

Miglioramenti nelle funzionalità di ottimizzazione dei modelli di Azure AI Foundry

Microsoft ha compiuto passi da gigante nell’ottimizzazione dei modelli con l’ultimo aggiornamento di Azure AI Foundry, che ora include il supporto avanzato per il Reinforcement Fine-Tuning (RFT).Questo nuovo miglioramento è progettato per migliorare le prestazioni dei modelli, utilizzando tecniche innovative come il ragionamento basato sulla catena di pensiero e la valutazione orientata alle attività, specificamente studiate per diversi domini.

Introduzione della messa a punto fine del rinforzo

Presentato originariamente da OpenAI durante il programma alpha lo scorso dicembre, RFT ha da allora ottenuto risultati impressionanti, ottenendo un miglioramento fino al 40% nell’efficacia del modello rispetto ai tradizionali modelli predefiniti. Microsoft ha annunciato che RFT sarà presto compatibile con il modello o4-mini di OpenAI sulla piattaforma Azure, destinato a potenziare notevolmente le organizzazioni in diverse applicazioni.

Quando sfruttare la messa a punto fine del rinforzo

Microsoft consiglia di implementare RFT in circostanze specifiche in cui un processo decisionale migliorato e un’adattabilità ottimale sono essenziali. Ecco i tre scenari ottimali per l’utilizzo di questa potente tecnica:

  • Implementazione di regole personalizzate: RFT è particolarmente vantaggiosa in ambienti in cui la logica decisionale organizzativa unica non può essere catturata efficacemente dai dati di training convenzionali o dai prompt statici. Permette ai modelli di adattarsi a regole flessibili e in continua evoluzione che rispecchiano le complessità del mondo reale.
  • Standard operativi specifici per dominio: questa tecnica è ideale per le situazioni in cui le procedure interne differiscono notevolmente dalle pratiche standard del settore e il successo dipende dal rispetto di queste norme specifiche. RFT integra efficacemente queste sfumature nei comportamenti del modello.
  • Elevata complessità decisionale: la RFT eccelle in ambiti caratterizzati da alberi decisionali complessi e logica multiforme. In ambienti in cui i risultati richiedono la gestione di numerosi sottocasi e la valutazione dinamica di input diversi, la RFT consente ai modelli di generalizzare e produrre decisioni più coerenti e accurate.

Nuovo supporto per la sintonizzazione fine supervisionata

Oltre a RFT, Microsoft ha annunciato il lancio di Supervised Fine-Tuning (SFT) per l’ultimo modello GPT-4.1-nano di OpenAI, progettato per implementazioni di intelligenza artificiale a costi contenuti. Questa funzionalità di fine-tuning sarà disponibile nei prossimi giorni, offrendo alle organizzazioni opzioni economiche per il miglioramento dei modelli di intelligenza artificiale.

Integrazione del modello Llama 4 Scout

Infine, Microsoft ha introdotto il supporto per la messa a punto del modello Llama 4 Scout di Meta, che vanta 17 miliardi di parametri e supporta una finestra di contesto di 10 milioni di token. Questa opzione di messa a punto sarà integrata nel servizio di elaborazione gestito di Azure. Gli utenti possono accedere al modello Llama ottimizzato tramite i componenti di Azure AI Foundry e Azure Machine Learning, migliorando la loro capacità di utilizzare tecnologie di intelligenza artificiale all’avanguardia.

Per maggiori dettagli, puoi guardare il video dell’annuncio

.

Rimani aggiornato sulle ultime novità visitando la fonte ufficiale qui.

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *