Especialización de tareas en Phi Silica usando LoRA en Microsoft Learning Zone: un análisis técnico profundo

En la conferencia Build 2025, Microsoft sorprendió al público con la presentación de una nueva función de ajuste fino para su modelo de lenguaje de pequeña escala, Phi Silica. Esta innovación incluye la adaptación de bajo rango (LoRA), una técnica que promete mejorar el rendimiento del modelo en diversas tareas sin perjudicar sus capacidades generales, adaptándolo a conjuntos de datos personalizados.

El objetivo principal de esta innovación se centró en un caso práctico: la generación de cuestionarios de Kahoot! de alta calidad y valor pedagógico. Gracias a esta nueva función, se logró reducir en un 75% las tasas de rechazo y aumentar 4.6 veces la calidad subjetiva de los cuestionarios generados.

Microsoft Learning Zone, una aplicación educativa especialmente diseñada para PCs con Copilot+, se asoció con Kahoot! para facilitar la creación de juegos interactivos en el aula, aprovechando el poder de Phi Silica. Esta herramienta es capaz de generar una variedad de formatos, desde presentaciones dinámicas hasta pruebas de opción múltiple, sin la necesidad de crear varios modelos ajustados.

La calidad de los cuestionarios generados se evaluó en dos dimensiones: la calidad verificable, que contempla las restricciones de formato de Kahoot!, y la calidad subjetiva, que abarca aspectos como la claridad y relevancia educativa. Microsoft implementó un sistema de métricas y un marco de evaluación que incluye agentes de inteligencia artificial simulando un equipo de revisión para medir la calidad de las salidas del modelo.

Para lograr un ajuste fino efectivo de LoRA, se creó un conjunto de datos de alta calidad, combinando materiales educativos con la generación de preguntas y respuestas estilo Kahoot!, guiados por un modelo de lenguaje líder. Esto resultó en un conjunto inicial de datos más rico y diverso, fundamental para afinar el modelo.

El sistema fue optimizado durante el entrenamiento de LoRA para asegurar que los valores predeterminados de las herramientas de inteligencia artificial mejoraran notablemente la calidad de los resultados. Esto no solo mejoró la experiencia del usuario, sino que también se centró en la eficiencia y relevancia de las respuestas generadas.

Las pruebas demostraron que el sistema personalizado de Phi Silica con LoRA superó ampliamente al modelo base en todas las métricas de calidad, aumentando la satisfacción en evaluaciones tanto automáticas como humanas. Microsoft generó alrededor de 13,000 ejemplos sintéticos para entrenar y evaluar el modelo.

El lanzamiento de la generación de juegos Kahoot! a través de Microsoft Learning Zone al público está previsto para este verano, permitiendo a los educadores experimentar con esta innovadora herramienta. Este avance subraya cómo modelos más pequeños, cuando se adaptan correctamente, pueden ofrecer experiencias de inteligencia artificial robustas y personalizadas en ambientes educativos y restringidos. vía: Microsoft Windows blog.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Lo último

×