ওভারভিউ
Microsoft Phi হল ছোট ভাষার মডেলের একটি পরিবার যা প্রমাণ করে যে যত্নশীল ডেটা কিউরেশন ব্রুট-ফোর্স স্কেলের প্রতিদ্বন্দ্বিতা করতে পারে। পাঠ্যপুস্তক-গুণমান এবং সিন্থেটিক ডেটার উপর প্রশিক্ষণের মাধ্যমে, ক্ষুদ্র Phi মডেলগুলি তাদের পরামিতি গণনা থেকে অনেক উপরে পাঞ্চ করে।
Microsoft কৌশল, মডেল অ্যাক্সেস, প্ল্যাটফর্ম সিদ্ধান্ত, এবং ইকোসিস্টেম অংশীদারিত্বের প্রসঙ্গে Phi সবচেয়ে ভালোভাবে বোঝা যায়।
গভীর ডুব
Phi হল Microsoft গবেষণার লাইন অফ স্মল ল্যাঙ্গুয়েজ মডেল (SLMs) Phi-1 এর সাথে 2023 সালে চালু হয়েছে, একটি 1.3-বিলিয়ন-প্যারামিটার কোডিং মডেল। গাইডিং থিসিস, কাগজের শিরোনাম 'পাঠ্যপুস্তকগুলিই আপনার প্রয়োজন'-এ ক্যাপচার করা হয়েছে যে ডেটার মান কাঁচা আকারের চেয়ে বেশি গুরুত্বপূর্ণ। সমগ্র ওয়েব স্ক্র্যাপ করার পরিবর্তে, Microsoft কিউরেটেড, পাঠ্যপুস্তকের মতো বিষয়বস্তু এবং GPT-4 দ্বারা তৈরি সিন্থেটিক অনুশীলনের উপর প্রশিক্ষিত Phi। ধারাবাহিক রিলিজগুলি এই ধারণাটিকে স্কেল করেছে: Phi-2 (2.7B), Phi-3 (3.8B 'মিনি' 14B 'মাঝারি' পর্যন্ত), এবং Phi-3.5 দৃষ্টিভঙ্গি এবং বিশেষজ্ঞদের-অফ-এর রূপের সাথে। তাদের আকার সত্ত্বেও, Phi মডেলগুলি যুক্তি এবং গণিতের মানদণ্ডে অনেক বড় প্রতিযোগীদের সাথে মেলে বা পরাজিত করে এবং তারা ল্যাপটপ, ফোন এবং প্রান্ত ডিভাইসগুলিতে দক্ষতার সাথে চালায়। মডেলগুলি অনুমতিমূলক লাইসেন্সের অধীনে প্রকাশ্যে প্রকাশিত হয়।
প্রযুক্তিগত অন্তর্দৃষ্টি
Phi এর প্রান্ত সিন্থেটিক ডেটা জেনারেশন এবং ফিল্টারিং থেকে আসে। Microsoft GPT-4 এর মতো বড় মডেল ব্যবহার করে পরিষ্কার, শিক্ষাগতভাবে কাঠামোগত উদাহরণ লিখতে এবং শুধুমাত্র উচ্চ-সংকেত নথি রেখে 'শিক্ষামূলক মূল্য'-এর জন্য ওয়েব টেক্সট স্কোর করতে। এই ঘন, কম-আওয়াজ প্রশিক্ষণের মিশ্রণটি একটি 3.8B মডেলকে যুক্তির ধরন শিখতে দেয় যার জন্য সাধারণত কয়েক বিলিয়ন প্যারামিটারের প্রয়োজন হয়। Phi-3-মিনি একটি 4K বা 128K প্রসঙ্গ উইন্ডো এবং লামার মতো একটি ট্রান্সফরমার ডিকোডার আর্কিটেকচার ব্যবহার করে, যা বিদ্যমান টুলিংয়ের সাহায্যে স্থাপন করা সহজ করে তোলে।
আয়ত্ত করা Microsoft Phi
Microsoft Phi হল ছোট ভাষার মডেলের একটি পরিবার যা প্রমাণ করে যে যত্নশীল ডেটা কিউরেশন ব্রুট-ফোর্স স্কেলের প্রতিদ্বন্দ্বিতা করতে পারে। পাঠ্যপুস্তক-গুণমান এবং সিন্থেটিক ডেটার উপর প্রশিক্ষণের মাধ্যমে, ক্ষুদ্র Phi মডেলগুলি তাদের পরামিতি গণনা থেকে অনেক উপরে পাঞ্চ করে। Microsoft কৌশল, মডেল অ্যাক্সেস, প্ল্যাটফর্ম সিদ্ধান্ত, এবং ইকোসিস্টেম অংশীদারিত্বের প্রসঙ্গে Phi সবচেয়ে ভালোভাবে বোঝা যায়। গভীর বোঝাপড়া তৈরি করতে, Microsoft Phi কে একটি অপারেটিং মডেল হিসাবে বিবেচনা করুন, একটি একক বৈশিষ্ট্য নয়: পছন্দসই ফলাফল সংজ্ঞায়িত করুন, অনুমানগুলি স্পষ্ট করুন এবং সিস্টেমটি নির্ভরযোগ্যভাবে কী করতে পারে তা এখনও বিশেষজ্ঞের রায়ের প্রয়োজন থেকে আলাদা করুন৷
অনুশীলনে, Microsoft Phi ব্যবহার করে শক্তিশালী দলগুলি প্রতিশ্রুতি দেওয়ার আগে বিক্রেতার কৌশল, রোডম্যাপের নির্ভরযোগ্যতা এবং লক-ইন ঝুঁকি মূল্যায়ন করে। তারা সুস্পষ্ট সাফল্যের মাপকাঠি নথিভুক্ত করে, বাস্তবসম্মত ডেটা এবং কর্মপ্রবাহের বিরুদ্ধে পরীক্ষা করে এবং এককালীন বেঞ্চমার্ক জয়ের পরিবর্তে পর্যবেক্ষিত ব্যর্থতার ধরণগুলির উপর ভিত্তি করে পুনরাবৃত্তি করে। এখানেই তাত্ত্বিক বোঝাপড়া পণ্য, নীতি এবং অপারেশন জুড়ে টেকসই সক্ষমতায় পরিণত হয়।
বিক্রেতা রোডম্যাপ আপনার দল পরবর্তীতে কী কী বৈশিষ্ট্য তৈরি করতে পারে তা প্রভাবিত করে। একই সময়ে, লঞ্চের ঘোষণা বাস্তব উৎপাদন কর্মপ্রবাহে স্থিতিশীলতাকে ছাড়িয়ে যেতে পারে। সবচেয়ে স্থিতিস্থাপক পদ্ধতি হল প্রশাসনিক শৃঙ্খলার সাথে পরীক্ষার গতিকে একত্রিত করা: পাইলট চালান, প্রমাণ ক্যাপচার করুন, সিদ্ধান্তের লগ প্রকাশ করুন এবং মডেল আচরণ, ব্যবহারকারীর প্রত্যাশা এবং নিয়ন্ত্রক প্রয়োজনীয়তাগুলি বিকশিত হওয়ার সাথে সাথে অবিচ্ছিন্ন সুরক্ষাগুলি আপডেট করুন।
কৌশলগত প্রভাব
বিক্রেতা রোডম্যাপ আপনার দল পরবর্তীতে কী কী বৈশিষ্ট্য তৈরি করতে পারে তা প্রভাবিত করে।
বিক্রেতা রোডম্যাপ আপনার দল পরবর্তীতে কী কী বৈশিষ্ট্য তৈরি করতে পারে তা প্রভাবিত করে। উচ্চ-মানের স্থাপনায়, এটি পরিমাপযোগ্য অপারেটিং নিয়ম, মালিকানার সীমানা এবং পুনরাবৃত্ত পর্যালোচনার আচার-অনুষ্ঠানে অনুবাদ করা হয় যাতে দলগুলি অস্পষ্টতার পরিবর্তে আত্মবিশ্বাস বাড়াতে পারে।
বাণিজ্যিক শর্তাবলী এবং স্থাপনার বিকল্পগুলি দীর্ঘমেয়াদী খরচ এবং ঝুঁকিকে প্রভাবিত করে।
বাণিজ্যিক শর্তাবলী এবং স্থাপনার বিকল্পগুলি দীর্ঘমেয়াদী খরচ এবং ঝুঁকিকে প্রভাবিত করে। উচ্চ-মানের স্থাপনায়, এটি পরিমাপযোগ্য অপারেটিং নিয়ম, মালিকানার সীমানা এবং পুনরাবৃত্ত পর্যালোচনার আচার-অনুষ্ঠানে অনুবাদ করা হয় যাতে দলগুলি অস্পষ্টতার পরিবর্তে আত্মবিশ্বাস বাড়াতে পারে।
কোম্পানির প্রণোদনা পণ্যের ডিফল্ট, নিরাপত্তা ভঙ্গি এবং উন্মুক্ততাকে আকার দেয়।
কোম্পানির প্রণোদনা পণ্যের ডিফল্ট, নিরাপত্তা ভঙ্গি এবং উন্মুক্ততাকে আকার দেয়। উচ্চ-মানের স্থাপনায়, এটি পরিমাপযোগ্য অপারেটিং নিয়ম, মালিকানার সীমানা এবং পুনরাবৃত্ত পর্যালোচনার আচার-অনুষ্ঠানে অনুবাদ করা হয় যাতে দলগুলি অস্পষ্টতার পরিবর্তে আত্মবিশ্বাস বাড়াতে পারে।
বাস্তব-বিশ্ব বাস্তবায়ন
ক্লাউডে কোড না পাঠিয়ে সরাসরি ল্যাপটপে অফলাইন কোডিং সহকারী চালানো
Copilot+ PC এবং মোবাইল অ্যাপে ডিভাইসের বৈশিষ্ট্যগুলিকে শক্তিশালী করা যেখানে কম লেটেন্সি গুরুত্বপূর্ণ
সীমিত মেমরি এবং ইন্টারনেট ছাড়াই IoT বা প্রান্ত হার্ডওয়্যারে একটি যুক্তি মডেল এম্বেড করা
গবেষকরা সস্তায় একটি ডোমেন-নির্দিষ্ট চ্যাটবটের জন্য একটি ছোট, খোলাখুলি লাইসেন্সপ্রাপ্ত Phi মডেলকে ফাইন-টিউনিং করছেন
বাস্তবায়ন নিদর্শন
Microsoft অনুশীলনে ফি
ক্লাউডে কোড না পাঠিয়ে সরাসরি ল্যাপটপে অফলাইন কোডিং সহকারী চালানো।
ক্লাউডকে কোড না পাঠিয়ে সরাসরি একটি ল্যাপটপে একটি অফলাইন কোডিং সহকারী চালানো সাধারণত ভাল ফলাফল পায় যখন তারা সামনের মানের থ্রেশহোল্ডগুলিকে সংজ্ঞায়িত করে, প্রান্তের ক্ষেত্রে একটি মানবিক বৃদ্ধির পথ রাখে এবং সময়ের সাথে সাথে উত্পাদনশীলতা লাভ এবং ত্রুটির খরচ উভয়ই ট্র্যাক করে৷
Microsoft অনুশীলনে ফি
Copilot+ PC এবং মোবাইল অ্যাপে ডিভাইসের বৈশিষ্ট্যগুলিকে শক্তিশালী করা যেখানে কম লেটেন্সি গুরুত্বপূর্ণ।
কপিলট+ পিসি এবং মোবাইল অ্যাপগুলিতে ডিভাইসের বৈশিষ্ট্যগুলিকে শক্তিশালী করা যেখানে কম লেটেন্সি বিষয়গুলি টিমগুলি সাধারণত ভাল ফলাফল পায় যখন তারা সামনের মানের থ্রেশহোল্ডগুলিকে সংজ্ঞায়িত করে, প্রান্তের ক্ষেত্রে একটি মানবিক বৃদ্ধির পথ রাখে এবং সময়ের সাথে সাথে উত্পাদনশীলতা লাভ এবং ত্রুটির খরচ উভয়ই ট্র্যাক করে৷
Microsoft অনুশীলনে ফি
সীমিত মেমরি এবং ইন্টারনেট ছাড়াই IoT বা প্রান্ত হার্ডওয়্যারে একটি যুক্তি মডেল এম্বেড করা।
IoT বা সীমিত মেমরির সাথে এজ হার্ডওয়্যারের মধ্যে যুক্তির মডেল এম্বেড করা এবং ইন্টারনেট নেই টিমগুলি সাধারণত ভাল ফলাফল পায় যখন তারা সামনের মানের থ্রেশহোল্ডগুলিকে সংজ্ঞায়িত করে, প্রান্তের ক্ষেত্রে একটি মানবিক বৃদ্ধির পথ রাখে এবং সময়ের সাথে সাথে উত্পাদনশীলতা লাভ এবং ত্রুটির খরচ উভয়ই ট্র্যাক করে৷
Microsoft অনুশীলনে ফি
গবেষকরা সস্তায় একটি ডোমেন-নির্দিষ্ট চ্যাটবটের জন্য একটি ছোট, খোলাখুলি লাইসেন্সপ্রাপ্ত Phi মডেলকে ফাইন-টিউনিং করছেন।
গবেষকরা একটি ডোমেন-নির্দিষ্ট চ্যাটবটের জন্য সস্তায় একটি ছোট, প্রকাশ্যে লাইসেন্সপ্রাপ্ত Phi মডেলকে ফাইন-টিউনিং করে টিমগুলি সাধারণত ভাল ফলাফল পায় যখন তারা সামনের মানের থ্রেশহোল্ডগুলিকে সংজ্ঞায়িত করে, প্রান্তের ক্ষেত্রে একটি মানবিক বৃদ্ধির পথ রাখে এবং সময়ের সাথে সাথে উত্পাদনশীলতা লাভ এবং ত্রুটির খরচ উভয়ই ট্র্যাক করে৷
ঝুঁকি এবং প্রহরী
লঞ্চ ঘোষণা বাস্তব উত্পাদন কর্মপ্রবাহ মধ্যে স্থিতিশীলতা ছাড়িয়ে যেতে পারে.
API মূল্য নির্ধারণ বা নীতি পরিবর্তন রাতারাতি অনুমান ভঙ্গ করতে পারে।
একক-বিক্রেতা নির্ভরতা লক-ইন এবং মাইগ্রেশন খরচ বাড়ায়।
বাস্তবায়ন রোডম্যাপ
আপনার নিজের কাজ এবং ডেটাসেট ব্যবহার করে প্রদানকারীদের মূল্যায়ন করুন।
আপনার নিজের কাজ এবং ডেটাসেট ব্যবহার করে প্রদানকারীদের মূল্যায়ন করুন। প্রতিটি পদক্ষেপকে একটি প্রমাণ গেট হিসাবে বিবেচনা করুন: যদি মানদণ্ড পূরণ না হয়, রোলআউট থামান, ব্যবধান বন্ধ করুন এবং শুধুমাত্র তারপর ব্যবহার প্রসারিত করুন।
একীকরণের আগে গোপনীয়তা, নিরাপত্তা এবং আইনি শর্তাবলী পর্যালোচনা করুন।
একীকরণের আগে গোপনীয়তা, নিরাপত্তা এবং আইনি শর্তাবলী পর্যালোচনা করুন। প্রতিটি পদক্ষেপকে একটি প্রমাণ গেট হিসাবে বিবেচনা করুন: যদি মানদণ্ড পূরণ না হয়, রোলআউট থামান, ব্যবধান বন্ধ করুন এবং শুধুমাত্র তারপর ব্যবহার প্রসারিত করুন।
মডেল বা বিক্রেতা জুড়ে একটি ফলব্যাক পরিকল্পনা বজায় রাখুন।
মডেল বা বিক্রেতা জুড়ে একটি ফলব্যাক পরিকল্পনা বজায় রাখুন। প্রতিটি পদক্ষেপকে একটি প্রমাণ গেট হিসাবে বিবেচনা করুন: যদি মানদণ্ড পূরণ না হয়, রোলআউট থামান, ব্যবধান বন্ধ করুন এবং শুধুমাত্র তারপর ব্যবহার প্রসারিত করুন।
রিলিজ নোটগুলি মনিটর করুন যাতে রোডম্যাপ পরিবর্তন দলগুলিকে অবাক না করে।
রিলিজ নোটগুলি মনিটর করুন যাতে রোডম্যাপ পরিবর্তন দলগুলিকে অবাক না করে। প্রতিটি পদক্ষেপকে একটি প্রমাণ গেট হিসাবে বিবেচনা করুন: যদি মানদণ্ড পূরণ না হয়, রোলআউট থামান, ব্যবধান বন্ধ করুন এবং শুধুমাত্র তারপর ব্যবহার প্রসারিত করুন।