माइक्रोसॉफ्ट ने हाल ही में अपनी नई rStar-Math तकनीक की घोषणा की, जो एक नवीन तर्क शक्ति विधि है और इसे छोटे भाषा मॉडल (SLMs) में लागू किया जा सकता है, जिससे गणित की समस्याओं पर इनकी प्रदर्शन में उल्लेखनीय सुधार होता है, और कुछ मामलों में यह OpenAI के o1-preview मॉडल को भी पार कर जाता है। यह तकनीक अभी भी अनुसंधान चरण में है और संबंधित शोध पत्र arXiv.org पर प्रकाशित किया गया है, जिसे माइक्रोसॉफ्ट, पेकिंग यूनिवर्सिटी और तिंहुआ यूनिवर्सिटी के आठ लेखकों ने संयुक्त रूप से पूरा किया है। परीक्षणों में, rStar-Math तकनीक

माइक्रोसॉफ्ट ने Phi-3.5-vision जारी किया, एक हल्का, बहु-मोडल ओपन-सोर्स AI मॉडल, जो पाठ और दृश्य इनपुट को प्रोसेस करने के लिए डिज़ाइन किया गया है, 128K संदर्भ लंबाई का समर्थन करता है। यह मॉडल संसाधन-सीमित वातावरण के लिए उपयुक्त है, जिसमें छवि समझ, OCR, चार्ट解析, और कई छवियों का संक्षेपण जैसी सुविधाएँ शामिल हैं, जिससे उत्कृष्ट प्रदर्शन और कम विलंबता दिखाई देती है। 42 बिलियन पैरामीटर से बना, उच्च गुणवत्ता वाले डेटा द्वारा प्रशिक्षित, प्रदर्शन और गोपनीयता सुनिश्चित करता है। इसमें तीन प्रकार के मॉडल शामिल हैं: हल्का AI, विशेषज्ञ मिश्रण और बहु-मोडल मॉडल, सभी छवि और वीडियो प्रोसेसिंग बेंचमार्क टेस्ट में उत्कृष्ट प्रदर्शन दिखाते हैं।

माइक्रोसॉफ्ट ने तीन नए AI मॉडल जारी किए हैं, जो बहु-भाषा और बहु-मॉडल क्षेत्र में अपनी प्रमुखता को बढ़ाने के लिए डिज़ाइन किए गए हैं। Phi-3.5Mini Instruct एक हल्का मॉडल है, जो आदेश निष्पादन, कोड उत्पादन और तार्किक तर्क के लिए उपयुक्त है, और विशेष रूप से बहु-भाषा और बहु-चरण वार्तालाप में उत्कृष्ट प्रदर्शन करता है। Phi-3.5MoE मिश्रित विशेषज्ञ मॉडल, समृद्ध पैरामीटर के साथ, विभिन्न तर्क कार्यों का समर्थन करता है, विशेष रूप से कोड, गणित और बहु-भाषा समझ में समान वर्ग के मॉडल को पीछे छोड़ता है। Phi-3.5Vision Instruct पाठ और चित्र प्रसंस्करण की क्षमताओं को एकीकृत करता है।

माइक्रोसॉफ्ट ने Phi-3 छोटे भाषा मॉडल के लिए सर्वर रहित ट्यूनिंग सुविधा की घोषणा की, जो डेवलपर्स को Azure AI प्लेटफार्म पर मॉडल प्रदर्शन को बिना आधारभूत संरचना का प्रबंधन किए आसानी से समायोजित करने की अनुमति देती है और शुरुआत में यह मुफ्त है। Phi-3 मॉडल में 30 अरब पैरामीटर हैं, जो व्यवसायिक डेवलपर्स के लिए उपयुक्त है, उच्चतम प्रदर्शन प्रदान करता है और लागत कम है। OpenAI के GPT-3.5 की तुलना में, हालांकि इसके पैरामीटर की संख्या कम है, लेकिन विभिन्न अनुप्रयोगों में यह समान प्रदर्शन करता है। सर्वर रहित ट्यूनिंग प्रक्रिया को सरल बनाता है, बाधाओं को कम करता है, और छोटे और मध्यम मॉडल की ट्यूनिंग का समर्थन करता है।