Melhorias nos recursos de ajuste fino do modelo do Azure AI Foundry
A Microsoft fez avanços significativos no ajuste fino de modelos com sua atualização mais recente do Azure AI Foundry, que agora inclui suporte avançado para Ajuste Fino de Reforço (RFT).Essa nova melhoria foi projetada para elevar o desempenho do modelo, utilizando técnicas inovadoras, como raciocínio por cadeia de pensamento e classificação orientada a tarefas, adaptadas especificamente para diversos domínios.
Introdução ao ajuste fino de reforço
Revelado originalmente pela OpenAI durante seu programa alfa em dezembro passado, o RFT apresentou resultados impressionantes, alcançando uma melhoria de até 40% na eficácia do modelo em comparação com os modelos tradicionais prontos para uso. A Microsoft revelou que o RFT em breve será compatível com o modelo o4-mini da OpenAI na plataforma Azure, que está pronto para capacitar organizações em diversas aplicações.
Quando aproveitar o ajuste fino de reforço
A Microsoft recomenda a implementação do RFT em circunstâncias específicas, nas quais a tomada de decisão e a adaptabilidade aprimoradas são cruciais. Aqui estão os três cenários ideais para a utilização desta poderosa técnica:
- Implementação de Regras Personalizadas: A RFT é particularmente vantajosa em ambientes onde a lógica de decisão organizacional única não pode ser capturada de forma eficaz por dados de treinamento convencionais ou prompts estáticos. Ela permite que os modelos se adaptem a regras flexíveis e em evolução que refletem as complexidades do mundo real.
- Padrões Operacionais Específicos de Domínio: Esta técnica é ideal para situações em que os procedimentos internos diferem significativamente das práticas padrão do setor, e o sucesso depende da conformidade com essas normas personalizadas. A RFT integra efetivamente essas nuances aos comportamentos do modelo.
- Alta complexidade na tomada de decisões: A RFT se destaca em domínios caracterizados por árvores de decisão complexas e lógica multifacetada. Em ambientes onde os resultados exigem a navegação por diversos subcasos e a ponderação dinâmica de diversas entradas, a RFT permite que os modelos generalizem e produzam decisões mais consistentes e precisas.
Novo suporte para ajuste fino supervisionado
Além do RFT, a Microsoft anunciou o lançamento do Ajuste Fino Supervisionado (SFT) para o mais recente modelo GPT-4.1-nano da OpenAI, desenvolvido especialmente para implementações de IA com custo-benefício. Esse recurso de ajuste fino estará disponível nos próximos dias, oferecendo às organizações opções econômicas para aprimoramentos de modelos de IA.
Integração do modelo Llama 4 Scout
Por fim, a Microsoft introduziu suporte para o ajuste fino do modelo Llama 4 Scout da Meta, que possui 17 bilhões de parâmetros e facilita uma janela de contexto de 10 milhões de tokens. Essa opção de ajuste fino fará parte do serviço de computação gerenciada do Azure. Os usuários podem acessar o modelo Llama ajustado por meio dos componentes do Azure AI Foundry e do Azure Machine Learning, aprimorando sua capacidade de utilizar tecnologias de IA de ponta.
Para mais detalhes, você pode assistir ao vídeo do anúncio
aqui
.
Fique atualizado com as últimas inovações visitando a fonte oficial aqui.
Artigos relacionados:
Problemas de pesquisa no OneDrive afetam muitos usuários
19:38
O Windows 11 impede o acesso ao Google Chrome devido ao recurso de segurança da Microsoft; correção foi lançada
15:58
O Windows 11 apresenta novos e empolgantes recursos de personalização
15:20
Deixe um comentário