Microsoft最近發布了一篇關於其下一代Orca-2 AI模型的新研究論文。證明人工智慧的力量不僅適用於最大和最複雜的系統，而且還在更緊湊和可訪問的框架中蓬勃發展。 Microsoft 透過推出Orca-2 朝著這個方向邁出了大膽的一步，Orca-2 是一種語言模型，它挑戰了更大的總是意味著更好的流行觀念。對於那些對人工智慧充滿熱情並尋求突破這些系統能力界限的人來說，這項新發展尤其有趣。
Microsoft的研究論文題為“Orca-2：教授小型語言模型如何推理”，對如何訓練像Orca-2這樣的小型模型以提高其推理能力進行了有趣的探索。 Orca-2 只有 130 億個參數，證明了訓練品質可以顯著影響模型的推理能力。對於任何對小型模型執行複雜任務的潛力感興趣的人來說，這都是一個至關重要的見解，這些任務曾經被認為是大型模型的專有領域。 Microsoft 解釋了更多：
「Orca 2 是我們探索小型LM（大約100 億個參數或更少）能力的最新一步。透過Orca 2，我們繼續證明，改進的訓練訊號和方法可以使較小的語言模型實現增強的推理能力，這通常只在更大的語言模型中才能找到。
Orca-2 最引人注目的方面之一是它能夠在推理任務中勝過擁有多達 700 億個參數的模型。這證明了Microsoft的創新方法，對於那些在計算限制下工作或尋求更有效率的AI解決方案的人來說尤其重要。Orca-2的基準測試結果突出了該模型的推理能力，這是高級語言理解的關鍵要素。
逆戟鯨2 有兩種尺寸（70 億和130 億參數）;兩者都是透過在定制的高品質合成數據上微調相應的LLAMA 2 基礎模型而創建的。我們正在公開Orca 2 砝碼，以鼓勵對小型LM 的開發、評估和對齊進行研究。
為了強調他們對人工智慧合作進步的承諾，Microsoft 已向開源社群提供Orca-2 的模型權重。這使得愛好者和研究人員都可以利用這種最先進的技術，將其整合到自己的專案中，並為人工智慧的集體進步做出貢獻。
該研究論文超越了傳統的模仿學習，並介紹了賦予Orca-2 多種推理策略的替代訓練方法。這些方法使模型能夠適應不同的任務，表明了一種更複雜的AI 訓練方法。對於那些深入研究人工智慧複雜性的人來說，這代表了一個探索新訓練範式的機會，這些範式可以重新定義我們教機器思考的方式。
Orca-2 在精心構建的合成資料集上進行了訓練，取得了顯著的基準性能。這意味著該模型已通過戰略性數據使用進行磨練，確保其在實際應用中的有效性和適應性。對於從業者來說，這意味著一個模型不僅功能強大，而且在處理各種場景方面也很通用。
Orca-2的授權條款是量身定制的，以強調其以研究為導向的性質。這是計劃使用該模型時要考慮的重要因素，因為它支援以研究為中心的開發環境，並指導Orca-2 在各種專案中的應用。
Microsoft 還提供了在本機電腦上設定Orca-2 的詳細說明。這使用戶能夠根據自己的特定需求自訂模型，並更深入地了解其內部工作原理。無論您是開發人員、研究人員還是AI 愛好者，這種程度的客製化對於探索Orca-2 的全部功能都是無價的。
Microsoft的Orca-2代表了緊湊語言模型的重大進步，提供了增強的推理能力，挑戰了大型模型的主導地位。無論是透過開源協作、創新訓練技術或研究計劃，與 Orca-2 合作，都能讓您處於 AI 開發轉型時期的最前線。 Microsoft 的 Orca-2 不僅拓寬了小型模型可以完成的視野，而且還邀請您在這個令人興奮的領域發揮積極作用。
以上是Microsoft Orca-2 13B 小語言模型擊敗 70B 替代品的詳細內容。更多資訊請關注PHP中文網其他相關文章！
