phi-2 对比 Stellaris AI

Phi-2 是由微软开发的基于 Transformer 的语言模型，具有27亿个参数，旨在用于包括自然语言处理和编码在内的英语文本生成任务。它在结合了合成 NLP 文本和过滤过的网页内容的大型数据集上进行了训练，以增强安全性和教育价值。该模型在常识推理、语言理解和逻辑推理等基准测试中表现出色，在参数少于130亿的模型中排名接近最先进水平。

与一些模型不同，Phi-2 未经过人工反馈强化学习微调，因此它是一个基础模型，主要用于研究和试验，而非直接面向生产。它支持多种提示格式，如问答、对话聊天和代码生成，为探索 AI 安全性、偏见减轻和可控性提供了灵活性。

Phi-2 集成于 Hugging Face Transformers 库（版本4.37.0及以上），可以本地部署或通过各种推理提供商进行部署。它支持通过 vLLM 和 SGLang 等工具实现高效加载和服务，并且兼容量化版本，适用于轻量级应用。该模型采用 safetensors 格式，确保安全快速的张量存储。

用户应了解其局限性，包括偶尔出现的不准确代码或事实输出、主要集中在 Python 和常用库的代码生成、回答可能较冗长，以及尽管经过安全训练，但仍可能存在社会偏见。建议将其作为进一步微调和评估的起点，而非一站式解决方案。

该模型采用 MIT 许可证，促进开源科学和社区合作，适合对基础语言模型感兴趣的 AI 研究人员、开发者和组织，特别关注安全性和透明性。

Stellaris AI 构建了以原生安全性和类人推理为核心的大型语言模型，应用于现实任务。其旗舰产品线 SGPT 主要面向文本和代码生成、知识问答、逻辑推理及分析，规模达到公司所称的数千亿参数。公开网站主要提供 SGPT-4.5 的候补名单，而非可立即使用的自助聊天产品。

与许多大型语言模型实验室在训练后才加装安全过滤器不同，Stellaris AI 将安全性作为模型架构的一部分，通过严格的来源引用和伤害最小化来实现。它还强调实时上下文学习（RCL），通过实时知识调整答案，旨在为需要带引用输出而非未经核实生成内容的团队提供解决方案。

研究人员、企业 AI 团队和早期用户可加入 SGPT-4.5 候补名单以优先体验。公司表示其拥有超过 10 年的研究经验和三个核心产品支柱：Stellaris GPT、原生安全性和 RCL。