三言兩語說透柯里化和反柯里化
JavaScript中的柯里化(Currying)和反柯里化(Uncurrying)是兩種很有用的技術，可以幫助我們寫出更加優雅、泛用的函數。本文將首先介紹柯里化和反柯里化的概念、實現原理和應用
5 月 26 日消息，微軟近日公布了旗下小語言 AI 模型家族（SLM）最新成員“Phi-3-vision”，這款模型主打“視覺能力”，能夠理解圖文內容，同時據稱可以在移動平臺上流暢高效運行。
據介紹，Phi-3-vision 是微軟 Phi-3 家族首款多模態模型，該模型的文字理解能力基于 Phi-3-mini，同時也具備 Phi-3-mini 的輕量特點，能夠在移動平臺 / 嵌入終端中運行；該模型參數量為 42 億，大于 Phi-3-mini（3.8B），但小于 Phi-3-small（7B），上下文長度為 128k token，訓練期間為 2024 年 2 月至 4 月。
IT酷哥注意到，Phi-3-vision 模型的最大特色正如其名，主要支持“圖文識別能力”，號稱能夠理解現實世界的圖片含義，還能快速識別提取圖片中的文字。
微軟表示，Phi-3-vision 特別適合辦公場合，開發人員特別優化了該模型在識別圖表和方塊圖 (Block diagram) 方面的理解能力，據稱可以利用用戶輸入的信息進行推論，同時還能做出一系列結論，為企業提供戰略建議，號稱“效果比肩大模型”。
在模型訓練方面，微軟聲稱 Phi-3-vision 是由“多種類型圖片及文字數據訓練而成”，包括一系列“經過嚴選的公開內容”，例如“教科書等級”教育材料、代碼、圖文標注數據、現實世界知識、圖表圖片、聊天格式等內容，從而確保模型輸入內容的多樣性。為了確保隱私，微軟聲稱他們所使用的訓練數據“可追溯”不包含任何個人信息。
性能方面，微軟提供了 Phi-3-vision 相較于字節跳動 Llama3-Llava-Next（8B）、微軟研究院和威斯康星大學、哥倫比亞大學合作的 LlaVA-1.6（7B）、阿里巴巴通義千問 QWEN-VL-Chat 模型等競品模型的比較圖表，其中顯示 Phi-3-vision 模型在多個項目上表現優異。
目前微軟已經將該模型上傳至 Hugging Face，感興趣的小伙伴們可以訪問項目地址：點此進入
相關閱讀：《英特爾力押 SLM 小語言 AI 模型，宣布旗下軟硬件已適配微軟 Phi-3》
本文鏈接：http://www.tebozhan.com/showinfo-26-90679-0.html參數量 42 億，微軟公布 SLM 小語言 AI 模型最新成員 Phi-3-vision
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號