Phi-3 是微软推出的一系列轻量级 3B(Mini)和 14B(Medium)的开源模型。

3.8b 14b

2.7M 3 个月前

自述文件

Phi-3 是微软开发的一系列开源 AI 模型。

参数大小

上下文窗口大小

注意:此模型的 128k 版本需要 Ollama 0.1.39 或更高版本。

  • 4k ollama run phi3:mini ollama run phi3:medium
  • 128k ollama run phi3:medium-128k

image.png

Phi-3 Mini

Phi-3 Mini 是一个 3.8B 参数的轻量级、最先进的开源模型,它使用 Phi-3 数据集进行训练,该数据集包括合成数据和经过过滤的公开网站数据,重点关注高质量和推理密集型属性。

该模型经过了后训练过程,该过程结合了监督微调和直接偏好优化,以确保准确的指令遵从性和强大的安全措施。

在针对常识、语言理解、数学、代码、长文本和逻辑推理等基准测试评估时,Phi-3 Mini-4K-Instruct 在参数量小于 130 亿的模型中表现出强大的最先进性能。

Phi-3 Medium

Phi-3 Medium 是一个 14B 参数的语言模型,并且性能优于 Gemini 1.0 Pro。

image.png

预期用途

主要用例

该模型旨在用于英语的商业和研究用途。该模型可用于需要以下功能的应用程序:1) 内存/计算受限环境 2) 延迟敏感场景 3) 强推理(尤其是数学和逻辑) 4) 长文本

我们的模型旨在加速语言和多模态模型的研究,作为生成式 AI 驱动功能的构建块。

用例注意事项

我们的模型并非专门针对所有下游目的设计或评估。开发人员应在选择用例时考虑语言模型的常见局限性,并在特定下游用例中使用模型之前评估和缓解准确性、安全性以及公平性,尤其是对于高风险场景。开发人员应了解并遵守与其用例相关的适用法律或法规(包括隐私、贸易合规法等)。本模型卡中不应解释为或视为对模型发布的许可证的限制或修改。

负责任的 AI 注意事项

与其他语言模型一样,Phi 系列模型可能会以不公平、不可靠或冒犯性的方式运行。一些需要注意的限制行为包括

  • 服务质量:Phi 模型主要使用英语文本进行训练。非英语语言的性能会更差。英语语言品种在训练数据中的代表性较低,其性能可能比标准美式英语差。

  • 危害的代表和刻板印象的延续:这些模型可能会过度或不足地代表人群,抹去某些群体的代表性,或强化贬低或负面刻板印象。尽管进行了安全后训练,但由于不同群体代表性的差异程度或训练数据中反映现实世界模式和社会偏见造成的负面刻板印象示例的流行程度,这些限制可能仍然存在。

  • 不适当或冒犯性的内容:这些模型可能会生成其他类型的不适当或冒犯性的内容,这可能使其不适合在敏感环境中部署,除非使用针对用例的额外缓解措施。

  • 信息可靠性:语言模型可能会生成无意义的内容或捏造看似合理但实际上不准确或过时的内容。

  • 代码范围有限:Phi-3 的大部分训练数据都基于 Python 并且使用常见的软件包,例如“typing、math、random、collections、datetime、itertools”。如果模型生成的 Python 脚本使用其他软件包或其他语言的脚本,我们强烈建议用户手动验证所有 API 使用情况。

开发人员应应用负责任的 AI 最佳实践,并负责确保特定用例符合相关的法律法规(例如隐私、贸易等)。重要的考虑领域包括:+ 分配:如果未经进一步评估和额外去偏见技术,模型可能不适合可能对法律地位或资源或生活机会的分配产生重大影响的场景(例如住房、就业、信贷等)。

  • 高风险场景:开发人员应评估在高风险场景中使用模型的适用性,在这些场景中,不公平、不可靠或冒犯性的输出可能非常昂贵或会导致损害。这包括在敏感或专家领域提供建议,在这些领域,准确性和可靠性至关重要(例如法律或健康建议)。应根据部署环境在应用程序级别实施额外的安全措施。

  • 错误信息:模型可能会生成不准确的信息。开发人员应遵循透明度最佳实践,并告知最终用户他们正在与 AI 系统进行交互。在应用程序级别,开发人员可以构建反馈机制和管道,以将响应定位到特定用例的上下文信息中,这种技术称为检索增强生成 (RAG)。

  • 有害内容的生成:开发人员应评估输出的上下文,并使用适用于其用例的可用安全分类器或自定义解决方案。

  • 滥用:其他形式的滥用,例如欺诈、垃圾邮件或恶意软件生产,也是可能的,开发人员应确保其应用程序不违反适用的法律法规。

训练

模型

  • 架构:Phi-3 Mini 有 3.8B 个参数,是一个密集的解码器专用 Transformer 模型。该模型使用监督微调 (SFT) 和直接偏好优化 (DPO) 进行微调,以确保与人类偏好和安全指南保持一致。
  • 输入:文本。它最适合使用聊天格式的提示。
  • 上下文长度:128K 个标记
  • GPU:512 个 H100-80G
  • 训练时间:7 天
  • 训练数据:3.3T 个标记
  • 输出:针对输入生成的文本
  • 日期:我们的模型是在 2024 年 2 月到 4 月之间训练的
  • 状态:这是一个在 2023 年 10 月截止日期的离线数据集上训练的静态模型。随着我们改进模型,可能会发布微调模型的未来版本。

数据集

我们的训练数据来自多种来源,总计 3.3 万亿个词元,包含以下内容:1) 经过严格质量筛选的公开文档、精选的高质量教育数据和代码;2) 专门用于教授数学、编码、常识推理、世界一般知识(科学、日常生活、心智理论等)的新创建的合成“教科书式”数据;3) 涵盖各种主题的高质量聊天格式监督数据,以反映人类在不同方面的偏好,例如指令遵循、真实性、诚实和乐于助人。

软件

许可证

该模型根据 MIT 许可证 授权。

商标

本项目可能包含项目、产品或服务的商标或徽标。 授权使用 Microsoft 商标或徽标需遵守并遵循 Microsoft 商标和品牌指南。 在本项目的修改版本中使用 Microsoft 商标或徽标不得造成混淆或暗示 Microsoft 的赞助。 任何第三方商标或徽标的使用都应遵守这些第三方的政策。

资源