Tag: Microsoft

Phi-4: мультимодальный ИИ от Microsoft

Microsoft представляет Phi-4-multimodal, компактную модель ИИ для обработки речи, изображений и текста прямо на устройствах. Она значительно менее требовательна к ресурсам, чем предшественники, знаменуя собой сдвиг в сторону эффективных SLM для мобильных устройств и периферийных вычислений.

Phi-4: мультимодальный ИИ от Microsoft

Phi-4 от Microsoft: компактный ИИ

Phi-4 от Microsoft — это новое семейство компактных и высокопроизводительных моделей ИИ, сочетающих обработку текста, изображений и речи при меньших вычислительных затратах. Инновации, такие как 'Mixture of LoRAs', обеспечивают эффективность и доступность для широкого круга задач.

Phi-4 от Microsoft: компактный ИИ

Новое поколение семейства Phi

Phi-4-multimodal и Phi-4-mini — новые малые языковые модели от Microsoft, обеспечивающие мультимодальность, эффективность и высокую производительность для разработчиков, открывая новые возможности в различных отраслях.

Новое поколение семейства Phi

Microsoft Phi 4: Малая языковая модель для сложных математических рассуждений

Microsoft Research представила Phi-4, малую языковую модель с 14 миллиардами параметров, разработанную для улучшения математических рассуждений. Модель превосходит более крупные модели в этой области благодаря инновационным методам обучения, включая синтетические данные, органическое управление данными и новые методы постобработки. Phi-4 превосходит даже GPT-4o в STEM-ориентированных вопросах.

Microsoft Phi 4: Малая языковая модель для сложных математических рассуждений

Инновационная ИИ-модель Microsoft MatterGen для материаловедения повышает точность в 10 раз

Microsoft представила MatterGen, революционную языковую модель для создания неорганических материалов. Она оптимизирует атомы, координаты и решетки, ускоряя разработку новых материалов. MatterGen улучшает стабильность и уникальность материалов, приближая их к энергетическому минимуму. Модель имеет потенциал в электромобилях, аэрокосмической и электронной промышленности, а также в разработке аккумуляторов. Она использует диффузионный процесс и эквивариантные сети для создания стабильных кристаллических структур, а адаптивные модули позволяют настраивать ее под разные задачи. Исследование опубликовано в Nature и сравнивается с AlphaFold.

Инновационная ИИ-модель Microsoft MatterGen для материаловедения повышает точность в 10 раз