DeepSpeed ZeRO++ vs GPT-4

A Microsoft Research anunciou o desenvolvimento do DeepSpeed ZeRO++, um aprimoramento inovador do modelo ZeRO (Zero Redundancy Optimizer). Este sistema avançado introduz estratégias de comunicação otimizadas que melhoram drasticamente a eficiência do treinamento de grandes modelos de linguagem (LLMs) e modelos de chat. O DeepSpeed ZeRO++ consegue isso reduzindo significativamente a quantidade de comunicação necessária, mesmo com lotes grandes ou largura de banda limitada entre dispositivos. Ao reduzir os requisitos de comunicação em até 4 vezes, pesquisadores e desenvolvedores podem agora treinar modelos complexos de forma mais rápida e econômica.

O GPT-4 é o mais recente marco no esforço da Openai para aumentar o aprendizado profundo.

O GPT-4 é um grande modelo multimodal (aceitando entradas de imagem e texto, emitindo saídas de texto) que, embora menos capazes do que os seres humanos em muitos cenários do mundo real, exibe desempenho em nível humano em vários benchmarks profissionais e acadêmicos. Por exemplo, ele passa um exame de barra simulado com uma pontuação nos 10% dos participantes do teste; Por outro lado, a pontuação do GPT-3.5 foi de 10%inferior. Passamos 6 meses alinhando iterativamente o GPT-4 usando lições de nosso programa de testes adversários e ChatGPT, resultando em nossos melhores resultados de sempre (embora longe de ser perfeita) na factualidade, na direção e nos recusar a sair dos corrimãos.

O GPT-4 é mais criativo e colaborativo do que nunca. Ele pode gerar, editar e iterar com os usuários em tarefas de escrita criativa e técnica, como compor músicas, escrever roteiros ou aprender o estilo de escrita de um usuário.