整理 | 苏宓
出品 | CSDN（ID：CSDNnews）
先后和 OpenAI、Meta 牵手推动大模型发展的微软，也正在加快自家小模型的迭代。就在今天，微软正式发布了一个 27 亿参数的语言模型——Phi-2。这是一种文本到文本的人工智能程序，具有出色的推理和语言理解能力。
同时，微软研究院也在官方 X 平台上如是说道，“Phi-2 的性能优于其他现有的小型语言模型，但它足够小，可以在笔记本电脑或者移动设备上运行”。
Phi-2 的性能真能优于大它 25 倍的模型？
对于 Phi-2 的发布，微软研究院在官方公告的伊始便直言，Phi-2 的性能可与大它 25 倍的模型相匹配或优于。
这也让人有些尴尬的事，不少网友评价道，这岂不是直接把 Google 刚发的 Gemini 最小型号的版本给轻松超越了？
那具体情况到底如何？
微软通过时下一些如 Big Bench Hard (BBH)、常识推理（PIQA、WinoGrande、ARC easy 和 Challenge、SIQA）、语言理解（HellaSwag、OpenBookQA、MMLU（5-shot）、 SQuADv2、BoolQ）、数学（GSM8k）和编码（HumanEval）等基准测试，将 Phi-2 与 7B 和 13B 参数的 Mistral 和 Llama-2 进行了比较。
最终得出仅拥有 27 亿个参数的 Phi-2 ，超越了 Mistral 7B 和 Llama-2 7B 以及 13B 模型的性能。值得注意的是，与大它 25 倍的 Llama-2-70B 模型相比，Phi-2 还在多步推理任务（即编码和数学）上实现了更好的性能。
此外，如上文所提及的，微软研究人员也直接在基准测试中放上了其与Google 全新发布的 Gemini Nano 2 正面 PK 的结果，不出所料，Phi-2 尽管尺寸较小，但性能还是把 Gemini Nano 2 超了。
除了这些基准之外，研究人员似是在暗讽 Google 前几日在 Gemini 演示视频中造假一事，因为当时 Google 称其即将推出的最大、最强大的新人工智能模型 Gemini Ultra 能够解决相当复杂的物理问题，并且甚至纠正学生的错误。
事实证明，尽管 Phi-2 的大小可能只是 Gemini Ultra 的一小部分，但它也能够正确回答问题并使用相同的提示纠正学生。
微软的改进
Phi-2 小模型之所以有如此亮眼的成绩，微软研究院在博客中解释了原因。
一是提升训练数据的质量。Phi-2 是一个基于 Transformer 的模型，其目标是预测下一个单词，它在 1.4T 个词组上进行了训练，这些词组来自 NLP 和编码的合成数据集和网络数据集，包括科学、日常活动和心理理论等用于教授模型常识和推理的内容。Phi-2 的训练是在 96 个 A100 GPU 上耗时 14 天完成的。
其次，微软使用创新技术进行扩展，将其知识嵌入到 27 亿参数 Phi-2 中。
微软指出，Phi-2 是一个基础模型，没有通过人类反馈强化学习（RLHF）进行调整，也没有经过指导性微调。尽管如此，与经过对齐的现有开源模型相比，微软观察到在毒性和偏差方面，Phi-2 有更好的表现。
写在最后
话说 Phi-2 的发布的确在小模型的性能上实现了突破，不过也有媒体发现它还存在很大的局限性。
因为根据微软研究许可证显示，其规定了 Phi -2 只能用于“非商业、非创收、研究目的”，而不是商业用途。因此，想要在其之上构建产品的企业就不走运了。
来源：https://www.microsoft.com/en-us/research/blog/phi-2-the-surprising-power-of-small-language-models/
