Phi-4 Mini Instruct
PulseAugur coverage of Phi-4 Mini Instruct — every cluster mentioning Phi-4 Mini Instruct across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
博客评估 GPT-2 之外的现代大型语言模型用于诗歌生成
一篇博客文章详细介绍了为诗歌生成项目选择现代大型语言模型(LLM)的过程,超越了 GPT-2 等早期模型。作者根据指令遵循能力、计算要求、许可、生成质量以及与 Hugging Face Transformers 的兼容性,评估了六个开放权重 LLM。考虑的模型包括 Gemma 3 4B Instruct、Llama 3.2 3B Instruct 和 Phi-4 Mini Instruct 等,重点关注它们在 Google Colab…
-
LLM 研究人员比较用于翻译和食谱生成的开放权重模型
三个研究博客探讨了用于特定 NLP 项目的开放权重 LLM,比较了 Qwen2.5-1.5B-Instruct、Llama 3.2 3B Instruct、Gemma 3 4B Instruct、Qwen3-4B-Instruct-2507、Phi-4 Mini Instruct 和 SmolLM2/3 等模型。作者根据参数数量、上下文窗口、语言支持、许可和翻译、指令遵循等任务的性能来评估模型,通常会考虑免费 Google Colab…
-
作者比较 Qwen3、SmolLM3 和 Phi-4 用于诗歌生成
作者正在为诗歌生成项目探索三个开源 LLM:Qwen3-4B-Instruct-2507、SmolLM3-3B 和 Phi-4-mini-instruct。每个模型都根据其参数、上下文窗口、许可和内存要求进行评估。目标是确定这些指令微调模型中哪一个能在满足特定用户指令的同时,尤其是在资源有限的情况下,最好地生成连贯、富有创意且相关的诗歌。
-
新数据集探究大模型对孟加拉语习语的理解能力
一项新的研究论文介绍了一个大规模的孟加拉语习语基准数据集,旨在提高大型语言模型(LLMs)对低资源语言中习语的理解能力。该研究评估了包括 Phi-4-mini-instruct、Kimi-K2-32b-instruct 和 Gemini 2.5-Flash 在内的多个 LLMs,在释义、跨度检测和含义识别等任务上的表现。结果显示,模型表现各异,每个模型在不同领域都有其独特的优势,这表明目前没有一个 LLM 能全面掌握孟加拉语习语。
-
新的蒸馏方法通过软提示高效训练大语言模型
研究人员开发了一种名为“通过软提示特权上下文进行多任务在线策略蒸馏”(“该方法”)的新方法来训练大语言模型。该技术使用一个仅通过可学习的软提示与学生模型不同的教师模型,从而在不改变学生模型核心参数的情况下实现高效的知识转移。多任务变体使单个学生模型能够同时从多个教师那里学习,从而提高在科学、工具使用、生物学和数学等各种任务上的性能。