الوصف
Phi-4-Reasoning-Vision-15B هو نموذج تفكير متعدد الوسائط مفتوح الوزن تم تطويره بواسطة مايكروسوفت، مبني على نموذج لغة Phi-4-Reasoning وموحد رؤية SigLIP-2. يستخدم هذا النموذج بنية دمج متوسطة، حيث يقوم موحد الرؤية بتحويل الصور إلى رموز بصرية، والتي يتم إسقاطها بعد ذلك في مساحة تضمين نموذج اللغة. يجمع هذا النهج المبتكر بين نقاط القوة في كلا المكونين المدربين مسبقًا مع الحفاظ على تكاليف تدريب واستدلال قابلة للإدارة.
قراءة المزيد
النموذج قادر على معالجة النصوص والصور، مع طول سياق يبلغ 16,384 رمزًا. تم تدريبه باستخدام تقنية الضبط الدقيق تحت الإشراف (SFT) على مجموعة بيانات تم تنسيقها بعناية تشمل بيانات تفكير وغير تفكير. وهذا يسمح لـ Phi-4-Reasoning-Vision-15B بأداء تفكير ممتد لسلسلة من الأفكار للمهام المعقدة، مثل التفكير الرياضي والعلمي، بينما يتعامل أيضًا مع الاستدلال المباشر للمهام التي تركز على الإدراك مثل التسمية واكتشاف الكائنات.
يعتبر Phi-4-Reasoning-Vision-15B فعالًا بشكل خاص في البيئات المحدودة من حيث الذاكرة أو الحوسبة، مما يجعله مثاليًا لأنظمة الذكاء الاصطناعي متعددة الوسائط العامة. تشمل حالات الاستخدام الرئيسية له التفكير العلمي والرياضي على المدخلات البصرية، بالإضافة إلى مهام وكيل استخدام الكمبيوتر التي تتضمن تفسير محتوى الشاشة وتحديد مواقع عناصر واجهة المستخدم. كما أن النموذج قادر أيضًا على أداء مهام متعددة الوسائط العامة مثل تسمية الصور، والإجابة على الأسئلة البصرية، والتعرف على الأحرف الضوئية.
شمل تدريب النموذج 240 وحدة معالجة رسومات NVIDIA B200 على مدى أربعة أيام، مع التركيز على السلامة والتوافق. يتضمن نهج السلامة بعد التدريب مزيجًا من مجموعات البيانات الاصطناعية التي تم إنشاؤها داخليًا ومفتوحة المصدر لضمان سلوك مناسب استجابةً للمحتوى الضار. يُنصح المطورون بأخذ قيود النموذج في الاعتبار، خاصة في السيناريوهات عالية المخاطر، وتطبيق ممارسات الذكاء الاصطناعي المسؤولة عند دمجه في التطبيقات.
- الفئةنماذج الذكاء الاصطناعي ونماذج اللغة الكبيرة
- نموذج التسعيرمفتوح المصدر
- النشرسحابي
- المنصاتالويب
أبرز ملامح Phi-4-reasoning-vision-15B
نوع النموذج: متعدد الوسائط
API متاحة: نعم
الرخصة: MIT
المعلمات: 15 مليار
طول السياق: 16,384 رمزًا
وحدات معالجة الرسومات المستخدمة في التدريب: 240
مدة التدريب: 4 أيام
دعم الضبط الدقيق: نعم
متعدد الوسائط: نعم
البدء مع Phi-4-reasoning-vision-15B
الوصول إلى النموذج: زيارة صفحة Hugging Face الخاصة بـ Phi-4-Reasoning-Vision-15B.
المصادقة: إعداد حسابك على Hugging Face للوصول إلى API.
إعداد البيئة: التأكد من أن نظامك يلبي المتطلبات الفنية.
الدمج عبر API: استخدام الوثائق المقدمة لدمج النموذج في تطبيقك.
تحسين: ضبط النموذج بناءً على حالة الاستخدام الخاصة بك.
حالات استخدام Phi-4-reasoning-vision-15B
- التفكير العلمي
- مهام وكيل استخدام الكمبيوتر
- تسمية الصور
- الإجابة على الأسئلة البصرية
- التعرف على الأحرف الضوئية
