付費限定
微軟大刀一揮，收割一票韭菜｜AI戰略由「大」變「小」了？｜FY24Q3財報
閱讀時間約 12 分鐘
投資理財內容聲明
- 文內如有投資理財相關經驗、知識、資訊等內容，皆為創作者個人分享行為。
- 有價證券、指數與衍生性商品之數據資料，僅供輔助說明之用，不代表創作者投資決策之推介及建議。
- 閱讀同時，請審慎思考自身條件及自我決策，並應有為決策負責之事前認知。
- 方格子希望您能從這些分享內容汲取投資養份，養成獨立思考的能力、判斷、行動，成就最適合您的投資理財模式。
小語言模型SLM急起直追
這次財報上，我關注到了這個陌生的詞，SLM。查了一下，原來是Small Language Model。
我們還持續創新，為客戶提供最好的前沿模型和開源模型、大型語言模型和小型語言模型的選擇。 透過我們在本週早些時候宣布的Phi-3，我們提供了目前市場上最強且成本效益最高的小型語言模型。
微軟在4月23日發布了這個Phi-3系列小語言模型，是市場上功能最強大且成本效益最高的小型語言模型。Phi-3-mini模型擁有38億參數，性能超過其兩倍大小的模型。而，且，重點來了，一般的手機就能跑得動！！
在數學中，Phi（通常表示為φ或Φ）是指黃金比例。可能是因為，太大也不行，成本太高，跑不了。太小也不行，性能不夠。所以這參數量必須要剛剛好！
Phi-3有四個版本，其中Phi-3-Small僅僅只有70億參數，只有GPT-3的1750億參數的4%。但Phi-3的性能竟還能比GPT-3好!
（來源: 微軟）
以行動支持創作者！付費即可解鎖
本篇內容共 4835 字、0 則留言，僅發佈於科技巨頭追蹤室你目前無法檢視以下內容，可能因為尚未登入，或沒有該房間的查看權限。
留言0
查看全部
你可能也想看
Google News 追蹤
徵的就是你 🫵 超ㄅㄧㄤˋ 獎品搭配超瞎趴的四大主題，等你踹共啦！還有機會獲得經典的「偉士牌樂高」喔！馬上來參加本次的活動吧！
隨著理財資訊的普及，越來越多台灣人不再將資產侷限於台股，而是將視野拓展到國際市場。特別是美國市場，其豐富的理財選擇，讓不少人開始思考將資金配置於海外市場的可能性。
然而，要參與美國市場並不只是盲目跟隨標的這麼簡單，而是需要策略和方式，尤其對新手而言，除了選股以外還會遇到語言、開戶流程、Ap
微軟 Q2財報市場看到了什麼問題？Azure 雲端成長放緩是泡沫要爆了？你可能想得太多
在當今快速變化的數位時代，企業面臨著前所未有的數據處理需求。為了應對這些挑戰，企業紛紛建立自己的大型語言模型（LLM），利用大量數據進行訓練，讓模型能夠理解並生成自然語言，從而實現人機協作，優化業務流程並提升客戶體驗。
在AI時代中，GPT技術正在改變我們的生活。然而，SLM（小型語言模型）也開始受到關注，具有更高的效率、更低的資源消耗和更快的響應速度。這篇文章將討論LLM和SLM的比較、SLM的應用場景以及未來的發展趨勢。
小型語言模型（small language model，SLM）比起大型語言模型可望提供更低成本、更具效率的處理能力，未來適用於筆電和手機等裝置。英特爾日前宣布，整個 CPU 和 GPU 產品組合支援微軟開發的 Phi-3 模型。
英特爾成為首批產品陣容支援小型語言模型的硬體製造商之一
隨著人工智慧和大型語言模型（LLMs）的快速發展，AI Singapore與Google Research合作推出的SEALD計畫旨在收集和加強東南亞九種語言的多語言數據集，提升這些語言大型語言模型的文化意識和應用能力，推動東南亞語言和文化敏感性的LLMs的發展。
大型語言模型（Large Language Model，LLM）是一項人工智慧技術，其目的在於理解和生成人類語言，可將其想像成一種高階的「文字預測機器」，然而，它們並非真正理解語言。除了在上篇介紹的技巧可以協助我們在使用 LLM 時給予指示之外，今天我們會介紹使用 LLM 的框架。
大型語言模型(LLM)是基於深度學習的自然語言處理模型，而多模態模型(LMM)能處理多種資料型態。這些模型將對未來帶來重大改變。LLM 專注於理解和生成自然語言，LMM 能夠處理跨模態的內容，並整合多種資料的能力，有望成為未來趨勢。
2023年底以來，語言模型發展面臨著價格上漲、更新減緩和公司內部變動的局面，這些變化似乎意味著語言模型的發展受到了人為的控制和限制。
大語言模型（LLMs）對於任何對人工智能和自然語言處理感興趣的人來說都是一個令人興奮的領域。
這類模型，如GPT-4，
透過其龐大的數據集和複雜的參數設置，
提供了前所未有的語言理解和生成能力。
那麼，究竟是什麼讓這些模型「大」得如此不同呢？
徵的就是你 🫵 超ㄅㄧㄤˋ 獎品搭配超瞎趴的四大主題，等你踹共啦！還有機會獲得經典的「偉士牌樂高」喔！馬上來參加本次的活動吧！
隨著理財資訊的普及，越來越多台灣人不再將資產侷限於台股，而是將視野拓展到國際市場。特別是美國市場，其豐富的理財選擇，讓不少人開始思考將資金配置於海外市場的可能性。
然而，要參與美國市場並不只是盲目跟隨標的這麼簡單，而是需要策略和方式，尤其對新手而言，除了選股以外還會遇到語言、開戶流程、Ap
微軟 Q2財報市場看到了什麼問題？Azure 雲端成長放緩是泡沫要爆了？你可能想得太多
在當今快速變化的數位時代，企業面臨著前所未有的數據處理需求。為了應對這些挑戰，企業紛紛建立自己的大型語言模型（LLM），利用大量數據進行訓練，讓模型能夠理解並生成自然語言，從而實現人機協作，優化業務流程並提升客戶體驗。
在AI時代中，GPT技術正在改變我們的生活。然而，SLM（小型語言模型）也開始受到關注，具有更高的效率、更低的資源消耗和更快的響應速度。這篇文章將討論LLM和SLM的比較、SLM的應用場景以及未來的發展趨勢。
小型語言模型（small language model，SLM）比起大型語言模型可望提供更低成本、更具效率的處理能力，未來適用於筆電和手機等裝置。英特爾日前宣布，整個 CPU 和 GPU 產品組合支援微軟開發的 Phi-3 模型。
英特爾成為首批產品陣容支援小型語言模型的硬體製造商之一
隨著人工智慧和大型語言模型（LLMs）的快速發展，AI Singapore與Google Research合作推出的SEALD計畫旨在收集和加強東南亞九種語言的多語言數據集，提升這些語言大型語言模型的文化意識和應用能力，推動東南亞語言和文化敏感性的LLMs的發展。
大型語言模型（Large Language Model，LLM）是一項人工智慧技術，其目的在於理解和生成人類語言，可將其想像成一種高階的「文字預測機器」，然而，它們並非真正理解語言。除了在上篇介紹的技巧可以協助我們在使用 LLM 時給予指示之外，今天我們會介紹使用 LLM 的框架。
大型語言模型(LLM)是基於深度學習的自然語言處理模型，而多模態模型(LMM)能處理多種資料型態。這些模型將對未來帶來重大改變。LLM 專注於理解和生成自然語言，LMM 能夠處理跨模態的內容，並整合多種資料的能力，有望成為未來趨勢。
2023年底以來，語言模型發展面臨著價格上漲、更新減緩和公司內部變動的局面，這些變化似乎意味著語言模型的發展受到了人為的控制和限制。
大語言模型（LLMs）對於任何對人工智能和自然語言處理感興趣的人來說都是一個令人興奮的領域。
這類模型，如GPT-4，
透過其龐大的數據集和複雜的參數設置，
提供了前所未有的語言理解和生成能力。
那麼，究竟是什麼讓這些模型「大」得如此不同呢？