Microsoft ujawnia znaczące udoskonalenie dostrajania modeli w Azure AI Foundry

Microsoft ujawnia znaczące udoskonalenie dostrajania modeli w Azure AI Foundry

Ulepszenia w możliwościach dostrajania modelu w usłudze Azure AI Foundry

Firma Microsoft poczyniła znaczne postępy w dostrajaniu modelu dzięki najnowszej aktualizacji Azure AI Foundry, która obejmuje teraz zaawansowaną obsługę dostrajania wzmocnienia (RFT).To nowe ulepszenie ma na celu podniesienie wydajności modelu, wykorzystując innowacyjne techniki, takie jak rozumowanie łańcuchowe i ocenianie zorientowane na zadania, dostosowane specjalnie do różnych domen.

Wprowadzenie do precyzyjnego dostrajania wzmocnienia

Pierwotnie zaprezentowany przez OpenAI podczas programu alfa w grudniu ubiegłego roku, RFT od tego czasu pokazał imponujące wyniki, osiągając do 40% poprawy efektywności modelu w porównaniu z tradycyjnymi modelami gotowymi do użycia. Microsoft ujawnił, że RFT wkrótce będzie kompatybilny z modelem o4-mini OpenAI na platformie Azure, który jest gotowy, aby znacznie wzmocnić organizacje w różnych aplikacjach.

Kiedy wykorzystać dostrajanie wzmocnienia

Microsoft zaleca wdrożenie RFT w określonych okolicznościach, w których ulepszone podejmowanie decyzji i adaptacyjność są krytyczne. Oto trzy optymalne scenariusze wykorzystania tej potężnej techniki:

  • Implementacja niestandardowych reguł: RFT jest szczególnie korzystne w środowiskach, w których unikalna logika decyzji organizacyjnych nie może być skutecznie uchwycona przez konwencjonalne dane szkoleniowe lub statyczne monity. Umożliwia modelom dostosowywanie się do ewoluujących i elastycznych reguł, które odzwierciedlają złożoność świata rzeczywistego.
  • Specyficzne dla domeny standardy operacyjne: Ta technika jest idealna w sytuacjach, w których wewnętrzne procedury znacznie różnią się od standardowych praktyk branżowych, a sukces zależy od zgodności z tymi dostosowanymi normami. RFT skutecznie integruje te niuanse z zachowaniami modelu.
  • Wysoka złożoność podejmowania decyzji: RFT sprawdza się w domenach charakteryzujących się skomplikowanymi drzewami decyzyjnymi i wieloaspektową logiką. W środowiskach, w których wyniki wymagają poruszania się po licznych podprzypadkach i dynamicznego ważenia różnorodnych danych wejściowych, RFT umożliwia modelom uogólnianie i podejmowanie bardziej spójnych i dokładnych decyzji.

Nowe wsparcie dla nadzorowanego dostrajania

Oprócz RFT, Microsoft ogłosił wdrożenie Supervised Fine-Tuning (SFT) dla najnowszego modelu GPT-4.1-nano OpenAI, który jest dostosowany do kosztowo wrażliwych implementacji AI. Ta funkcja dostrajania ma stać się dostępna w nadchodzących dniach, zapewniając organizacjom ekonomiczne opcje ulepszeń modelu AI.

Integracja modelu Llama 4 Scout

Na koniec Microsoft wprowadził obsługę dostrajania modelu Llama 4 Scout firmy Meta, który oferuje 17 miliardów parametrów i obsługuje okno kontekstowe 10 milionów tokenów. Ta opcja dostrajania będzie częścią zarządzanej usługi obliczeniowej Azure. Użytkownicy mogą uzyskać dostęp do dostrojonego modelu Llama za pośrednictwem komponentów Azure AI Foundry i Azure Machine Learning, zwiększając ich zdolność do wykorzystywania najnowocześniejszych technologii AI.

Więcej szczegółów znajdziesz w filmie zapowiadającym

Tutaj

.

Bądź na bieżąco z najnowszymi innowacjami odwiedzając oficjalne źródło tutaj.

Powiązane artykuły:

5 najważniejszych korzyści z włączenia rozszerzonej ochrony w przeglądarce Chrome
Ustawienia 24H2 systemu Windows 11: sprawdź wymagania dotyczące pamięci RAM i procesora graficznego do gier

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *