مائیکروسافٹ ریسرچ نے 4 اپریل 30 کو Phi‑2025 Reasoning کی نقاب کشائی کی، جس میں دو بہن ماڈلز — Phi‑4‑Mini‑Reasoning (≈3.8 B پیرامیٹرز) اور Phi‑4‑Reasoning‑ Plus (14 B پیرامیٹرز ریانفورسمنٹ کے ساتھ)۔ عام مقصد والے LLMs کے برعکس، یہ ماڈل استدلال کے لیے مخصوص ہیں: وہ ہر حل کے مرحلے کی تصدیق اور اس کو بہتر بنانے کے لیے اضافی تخمینہ حساب مختص کرتے ہیں۔ تربیت نے اعلیٰ معیار کے ویب ڈیٹا، مصنوعی مسائل کے سیٹ، اور OpenAI کے o3‑mini سے کیوریٹڈ "چین آف تھاٹ" کے مظاہروں کا فائدہ اٹھایا، جس کے نتیجے میں ایک ایسا ماڈل نکلا جو ریاضی، سائنس، کوڈنگ اور اس سے آگے بڑھتا ہے۔
Phi-4 استدلال کیا ہے؟
Phi‑4 Reasoning کی تربیت کیسے کی گئی؟
Phi‑4 استدلال "تعلیم کے قابل" اشارے اور تفصیلی استدلال کے نشانات کے احتیاط سے تیار کردہ ڈیٹاسیٹ پر بیس Phi‑4 ماڈل کی زیر نگرانی فائن ٹیوننگ سے ابھرا۔ محققین نے پیچیدہ مسائل کو حل کرنے کے لیے o3‑mini کا اشارہ دے کر ان میں سے بہت سے نشانات پیدا کیے، پھر تنوع اور تدریسی وضاحت کے لیے فلٹر کیے گئے۔ اس عمل نے اس بات کو یقینی بنایا کہ ماڈل نے نہ صرف جوابات سیکھے بلکہ مسائل کو حل کرنے کے طریقے بھی سیکھے۔ اس کے بعد کی ایک قسم، Phi‑4‑Reasoning‑Plus، نتیجہ پر مبنی کمک سیکھنے کے ایک مرحلے سے گزری، جس نے درستگی کو مزید فروغ دینے کے لیے طویل، زیادہ مکمل استدلال کی زنجیروں کی حوصلہ افزائی کی۔
کون سی صلاحیتیں Phi-4 استدلال کی وضاحت کرتی ہیں؟
استرتا: اس کی تربیت ریاضی کے اولمپیاڈ کے مسائل، پی ایچ ڈی کی سطح کے سائنس کے سوالات، کوڈنگ کے چیلنجز، الگورتھمک پہیلیاں (3SAT، TSP، BA-Calendar)، اور مقامی استدلال پر محیط ہے، جو متنوع ڈومینز میں مضبوط عمومیت کا مظاہرہ کرتی ہے۔
تفصیلی سلسلہ فکر کی نسل: ہر درمیانی نتیجے کی توثیق کرنے کے لیے اضافی تخمینہ کے مراحل کو وقف کرکے، Phi‑4 Reasoning مبہم سنگل شاٹ جوابات کے بجائے شفاف، مرحلہ وار حل تیار کرتا ہے۔
بینچ مارک کی کارکردگی: اپنے معمولی سائز کے باوجود، یہ ڈیپ سیک-R1-Distill-Llama-70B جیسے بڑے کھلے وزن والے ماڈلز کو پیچھے چھوڑتا ہے اور الگورتھمک استدلال اور منصوبہ بندی کے کاموں پر مکمل DeepSeek-R1 (671 B پیرامیٹرز) کی کارکردگی تک پہنچتا ہے۔
Phi‑4 Reasoning پہلے کے ماڈلز سے کیسے مختلف ہے؟
کن طریقوں سے یہ عمومی مقصد Phi-4 پر بہتر ہوتا ہے؟
عمومی مقصد Phi‑4 وسیع LLM کاموں — تکمیل، خلاصہ، ترجمہ — کے لیے ڈیزائن کیا گیا تھا جب کہ Phi‑4 Reasoning کی چین آف تھیٹ ڈیٹا پر نگرانی کی گئی فائن ٹیوننگ خاص طور پر اس کے مرحلہ وار اندازہ کو درست کرتی ہے۔ یہ تخصص کثیر مرحلہ کاموں پر اعلیٰ درستگی پیدا کرتا ہے، جبکہ اصل ماڈل کی بہت سی صلاحیتوں کو برقرار رکھتا ہے۔ مزید برآں، جب انتہائی درستگی کی ضرورت ہوتی ہے تو RL سے بڑھا ہوا "پلس" ویریئنٹ اس سے بھی گہری استدلال کے لیے تخمینہ کی رفتار کو تجارت کرتا ہے۔
یہ مدمقابل استدلال کے ماڈلز سے کیسے موازنہ کرتا ہے؟
ڈیپ سیک آر 1 ماڈلز: DeepSeek کے 671 B‑پیرامیٹر R1 ماڈل سے نکالے گئے کاموں پر، Phi‑4 Reasoning‑Plus مساوی کارکردگی کے قریب پہنچتا ہے، یہ ظاہر کرتا ہے کہ محتاط ڈیٹا کیوریشن اور تربیت چھوٹے اور بڑے LLMs کے درمیان فرق کو کم کر سکتی ہے۔
OpenAI o3-mini: Phi‑4 استدلال O3‑mini کے بڑے پیرامیٹر شمار کے باوجود OmniMath جیسے بینچ مارکس پر o3‑mini سے میل کھاتا ہے یا اس سے زیادہ ہے۔
تازہ ترین متغیرات اور توسیعات کیا ہیں؟
Phi‑4‑Reasoning‑plus: Reinforcement Learning کے ساتھ بہتر استدلال
Phi‑4‑Reasoning‑plus ایک نتیجہ پر مبنی کمک سیکھنے (RL) مرحلے کو متعارف کروا کر Phi‑4‑Reasoning فن تعمیر کی بنیاد بناتا ہے جو استدلال کے سلسلے کے معیار کو مزید بہتر بناتا ہے۔ اس ویرینٹ میں، ڈویلپرز ایک مختصر RL ٹریننگ راؤنڈ کا استعمال کرتے ہوئے ایک قابل تصدیق انعامی سگنل کو شامل کرتے ہیں جو ٹاسک کے مخصوص کامیابی کے میٹرکس سے اخذ کیا جاتا ہے—جیسے ثبوت کی درستگی یا حل کی تکمیل — تاکہ مزید تفصیلی اور درست درمیانی مراحل کی نسل کی حوصلہ افزائی کی جا سکے۔
نتیجے کے طور پر، Phi‑4‑Reasoning‑Plus اپنے صرف زیر نگرانی ہم منصب کے مقابلے میں معیاری استدلال کے بینچ مارکس میں 2–4% کے کارکردگی کے فوائد کو ظاہر کرتا ہے، خاص طور پر ایسے کاموں پر جن کے لیے ملٹی ہاپ انفرنس اور لمبی زنجیر کی کٹوتی کی ضرورت ہوتی ہے۔ مزید برآں، یہ RL سے چلنے والی تطہیر ماڈل کو مبہم استدلال کے راستوں کو خود درست کرنے کی اجازت دیتی ہے، کنٹرولڈ ٹیسٹوں میں فریب کی شرح کو 15 فیصد تک کم کرتی ہے۔ 64,000 ٹوکنز تک کی سیاق و سباق کی ونڈوز کے لیے ڈیفالٹ سپورٹ کے ساتھ، Phi‑4‑Reasoning‑Plus بغیر ہم آہنگی کی قربانی کے بغیر کسی رکاوٹ کے مسائل کی تفصیل کو مربوط کر سکتا ہے۔ اس کی بہتر صلاحیتیں اسے صحت کی دیکھ بھال کی تشخیص اور قانونی دلیل ماڈلنگ جیسے اعلی اسٹیک ڈومینز کے لیے موزوں بناتی ہیں۔
Phi‑4‑Mini-Reasoning: ایمبیڈڈ ایپلی کیشنز کے لیے کومپیکٹ ریزنر
پورے پیمانے کے ماڈلز کی تکمیل کرتے ہوئے، Phi‑4‑Mini‑Reasoning تقریباً 3.8 بلین پیرامیٹرز کے ساتھ ایک ہموار استدلال حل پیش کرتا ہے۔ تعلیمی اور آلے پر موجود AI ایپلی کیشنز کے لیے تیار کردہ، اس ہلکے وزن کی مختلف قسم کو مصنوعی ریاضی کے مسائل کے ایک خصوصی کارپس پر تربیت دی گئی تھی — جس میں ڈیپ سیک کے R1 استدلال کے نظام کے ذریعے تیار کردہ تقریباً XNUMX لاکھ الگ الگ مثالیں — اور کومپیکٹ، ہائی-کوالٹی کے اعلیٰ معیار پر نگرانی کی گئی فائن ٹیوننگ کے ذریعے مزید بہتر کی گئی تھیں۔
پیرامیٹر کی گنتی میں کمی کے باوجود، Phi‑4‑Mini‑Reasoning ریاضی کے بینچ مارکس پر مسابقتی درستگی حاصل کرتا ہے، دوسرے چھوٹے ماڈل جیسے DeepSeek‑R1‑Distill‑Qwen‑7B کو Math‑3 پر 500 پوائنٹس سے پیچھے چھوڑتا ہے۔ معیاری کنزیومر ہارڈویئر پر 10 ٹوکن فی سیکنڈ پر کام کرنے اور 128,000 ٹوکن سیاق و سباق کی لمبائی کو سپورٹ کرنے کی اس کی صلاحیت اسے وسائل سے محدود ماحول میں ایمبیڈڈ ٹیوشن سسٹم اور کوڈنگ اسسٹنٹس کے لیے مثالی بناتی ہے۔
Phi‑4 Reasoning کہاں لاگو کیا جا سکتا ہے؟
یہ تعلیمی آلات کو کیسے بڑھا سکتا ہے؟
ڈیپ سیک کے R4 ماڈل سے تقریباً 1 ملین مصنوعی ریاضی کے مسائل پر تربیت یافتہ Phi‑1‑Mini‑Reasoning، ہلکے وزن والے آلات پر "ایمبیڈڈ ٹیوشن" کے لیے موزوں ہے۔ یہ مرحلہ وار حل کے ذریعے طلباء کی رہنمائی کر سکتا ہے، اشارے پیش کر سکتا ہے، اور حقیقی وقت میں ہر قدم کی تصدیق کر سکتا ہے، تعلیمی ایپس اور سمارٹ کلاس روم ٹولز (، ) کو تبدیل کر سکتا ہے۔
کون سے صنعت کے استعمال کے معاملات نمایاں ہیں؟
- میڈیسن: کنارے سے چلنے والے طبی آلات پر، Phi‑4 Reasoning تشخیصی ڈیٹا کا تجزیہ کر سکتا ہے، پیچیدہ طبی رہنما اصولوں کی وضاحت کر سکتا ہے، اور شفاف استدلال کے نشانات کے ساتھ علاج کے منصوبے تجویز کر سکتا ہے۔
- سائنسی تحقیق: محققین کیمسٹری، طبیعیات اور حیاتیات میں مفروضے کی جانچ کے کام کے بہاؤ کو دستاویز کرنے کے لیے ماڈل کے چین آف تھٹ آؤٹ پٹس کا فائدہ اٹھا سکتے ہیں۔
- سافٹ ویئر ڈیویلپمنٹ کی: کوڈنگ اسسٹنٹس میں، Phi‑4 Reasoning الگورتھمک چیلنجز کو توڑ سکتا ہے، وضاحتی تبصروں کے ساتھ کوڈ کے ٹکڑوں کی تجویز کر سکتا ہے، اور منطقی اندازہ (، ) کے ذریعے درستگی کی تصدیق کر سکتا ہے۔
ڈویلپر اسے کہاں تک رسائی اور تعینات کر سکتے ہیں؟
Phi‑4 ریزننگ ماڈلز اوپن ویٹ MIT لائسنس کے تحت Azure AI فاؤنڈری، Hugging Face، اور GitHub Marketplace پر دستیاب ہیں۔ دستاویزات اور گائیڈز—جیسے کہ UnsLoTH AI پر "Phi‑4 Reasoning How‑To"—تفصیل مقامی تعیناتی، کوانٹائزیشن ورک فلو، اور ڈومین سے متعلق مخصوص کاموں کے لیے ٹھیک ٹیوننگ کی ترکیبیں۔
کیا چیلنجز اور کھلے سوالات باقی ہیں؟
استدلال کی مضبوطی کا اندازہ لگانا
جب کہ بینچ مارک کی کارکردگی Phi‑4‑Reasoning کی طاقتوں کو ظاہر کرتی ہے، مخالفانہ یا تقسیم سے باہر کے حالات میں اس کی مضبوطی کا اندازہ لگانا ضروری ہے۔ ابتدائی مطالعہ اسٹریبلڈ احاطے، متضاد محوروں، یا مبہم متغیر ناموں کے ساتھ تناؤ کی جانچ کے پروٹوکول کا استعمال کرتے ہوئے اس بات کو ظاہر کرتے ہیں کہ جب ماڈل کو گمراہ کن یا نامکمل معلومات کا سامنا کرنا پڑتا ہے تو غلطی کی شرح 20% سے زیادہ ہوتی ہے۔ یہ نتائج مزید دانے دار تشخیصی فریم ورک کی ضرورت کو اجاگر کرتے ہیں جو ناکامی کے طریقوں جیسے کہ سرکلر استدلال یا تصور کے بڑھنے، اور تشخیصی ٹولز کے لیے جو اعتماد کے اسکورز اور پرووینس چینز کو سطح پر رکھتے ہیں۔ قانونی مشاورت اور صحت کی دیکھ بھال کے فیصلے کی حمایت جیسے شعبوں میں حفاظتی اہم ایپلی کیشنز کے لیے ماڈل کی تیاری کی تصدیق کے لیے معیاری، ڈومین-ایگنوسٹک مضبوطی کے بینچ مارکس کا قیام بہت اہم ہوگا۔
صف بندی اور حفاظتی خدشات کو حل کرنا
صف بندی اور حفاظت سب سے اہم ہے کیونکہ جدید استدلال کے ماڈل حساس ڈومینز میں فیصلہ سازی کے عمل میں سرایت کر جاتے ہیں۔ سخت نگرانی میں فائن ٹیوننگ اور RL ریوارڈ کی شکل دینے کے باوجود، Phi‑4‑Reasoning کی قابل فہم لیکن غلط نتائج پیدا کرنے کی صلاحیت — جسے نام نہاد " فریب کاری" کہا جاتا ہے — اعلی اسٹیک سیاق و سباق میں خطرات لاحق ہیں۔ معاشرتی طور پر متعصبانہ استدلال یا سفارشات کی مثالیں جو اخلاقی رہنما خطوط سے متصادم ہیں کثیر سطحی حفاظتی اقدامات کی ضرورت کو واضح کرتی ہیں۔ صنعت کے بہترین طرز عمل غیر ارادی طرز عمل کو روکنے کے لیے آن دی فلائی مواد فلٹرز، ریڈ ٹیمنگ ایکسرسائز، اور انسانوں کے اندر موجود نگرانی کی وکالت کرتے ہیں۔ مقداری الائنمنٹ میٹرکس کو تیار کرنا—جیسے کہ سچائی کے اسکورز سونے کے معیاری ڈیٹاسیٹس کے خلاف کیلیبریٹ کیے گئے ہیں—اور صارف کے موافق اصلاحی انٹرفیس اس بات کو یقینی بنانے کے لیے اہم ہوں گے کہ Phi‑4‑استدلال کے ماڈلز معاشرتی اصولوں کے ساتھ ہم آہنگ ہوں اور شفافیت کو برقرار رکھیں کیونکہ وہ تنقیدی کام کے بہاؤ میں داخل ہوتے ہیں۔
نتیجہ
Phi‑4 Reasoning AI میں واٹرشیڈ کی نمائندگی کرتا ہے: سراسر پیمانے سے ذہین مہارت کی طرف ایک تبدیلی۔ ایک چھوٹے، کھلے وزن والے پیکج میں جدید ترین استدلال فراہم کر کے، یہ شفاف، موثر، اور وسیع پیمانے پر قابل رسائی AI استدلال کی راہ ہموار کرتا ہے—یہ بدلتا ہے کہ ہم کس طرح پڑھاتے ہیں، تحقیق کرتے ہیں اور مشکل ترین مسائل کو حل کرتے ہیں، چاہے وہ بادل میں ہوں یا کنارے پر۔
ابھی کے لیے، وہ لوگ جو Phi‑4 Reasoning استعمال کرنے میں دلچسپی رکھتے ہیں، ہمیں اپ ڈیٹس کے لیے دیکھتے رہنا چاہیے۔ ہم اپ ڈیٹ کرتے رہیں گے۔ CometAPI اور CometAPI API چینج لاگ.