DeepSpeed ZeRO++ vs GPT-4

Microsoft Research a annoncé le développement de DeepSpeed ZeRO++, une amélioration révolutionnaire du modèle ZeRO (Zero Redundancy Optimizer). Ce système avancé introduit des stratégies de communication optimisées qui améliorent considérablement l'efficacité de la formation des grands modèles de langage (LLM) et des modèles de chat. DeepSpeed ZeRO++ y parvient en réduisant considérablement la quantité de communication nécessaire, même avec des lots importants ou une bande passante inter-appareils limitée. En réduisant jusqu'à 4 fois les besoins en communication, les chercheurs et les développeurs peuvent désormais former des modèles complexes plus rapidement et de manière plus rentable.

Le GPT-4 est la dernière étape importante des efforts d'Openai pour augmenter l'apprentissage en profondeur.

Le GPT-4 est un grand modèle multimodal (acceptant des entrées d'image et de texte, émettant des sorties de texte) qui, bien que moins capables que les humains dans de nombreux scénarios du monde réel, présentent des performances de niveau humain sur diverses références professionnelles et académiques. Par exemple, il passe un examen de barre simulé avec un score autour des 10% supérieurs des candidats; En revanche, le score de GPT-3,5 était autour des 10% les plus bas. Nous avons passé 6 mois à aligner de manière itérative le GPT-4 en utilisant des leçons de notre programme de test contradictoires ainsi que du chatppt, ce qui a donné nos meilleurs résultats (bien que loin d'être parfaits) sur la factualité, la direction et refuser de sortir des garde-corps.

GPT-4 est plus créatif et collaboratif que jamais. Il peut générer, modifier et itérer avec les utilisateurs sur des tâches d'écriture créatives et techniques, telles que la composition de chansons, l'écriture de scénarios ou l'apprentissage du style d'écriture d'un utilisateur.