Phi-3 是微软开发的一系列轻量级 3B(迷你)和 14B(中型)的最新开放模型。

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放式 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 迷你

Phi-3 迷你是一个 3.8B 参数的轻量级、最先进的开放模型,它使用 Phi-3 数据集进行训练,该数据集包含合成数据和经过过滤的公开可用的网站数据,重点是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,以确保精确的指令遵循和强大的安全措施。

在针对测试常识、语言理解、数学、代码、长上下文和逻辑推理的基准进行评估时,Phi-3 迷你-4K-Instruct 在参数少于 130 亿的模型中表现出了强劲的性能和最先进的性能。

Phi-3 中型

Phi-3 中型是一个 14B 参数的语言模型,其性能优于 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。该模型提供了用于需要 1) 内存/计算受限环境 2) 延迟绑定场景 3) 强大的推理能力(尤其是数学和逻辑) 4) 长上下文 的应用程序的用途。

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 支持的功能的构建块。

用例注意事项

我们的模型并非专门为所有下游用途设计或评估。开发人员在选择用例时应考虑语言模型的常见局限性,并在特定下游用例中使用之前评估和减轻准确性、安全性,以及公平性,尤其是在高风险场景中。开发人员应了解并遵守与其用例相关的适用的法律法规(包括隐私、贸易合规法律等)。模型卡中包含的任何内容均不应被解释为或被视为对模型发布所依据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 系列模型可能以不公平、不可靠或冒犯的方式表现。一些需要注意的限制行为包括

  • 服务质量:Phi 模型主要在英语文本上进行训练。非英语语言将体验更差的性能。在训练数据中代表性不足的英语语言变体可能比标准美式英语体验更差的性能。

  • 伤害的体现和刻板印象的延续:这些模型可能过度或不足地体现人群,抹去某些人群的体现,或强化贬低或负面的刻板印象。尽管进行了安全后训练,但由于不同人群的代表性水平不同或训练数据中体现负面刻板印象的示例普遍存在,反映现实世界模式和社会偏见,这些局限性仍然可能存在。

  • 不适当或冒犯性内容:这些模型可能产生其他类型的不适当或冒犯性内容,这可能使其不适合在敏感环境中部署,除非采取针对具体用例的额外缓解措施。

  • 信息可靠性:语言模型可以生成无意义的内容或捏造可能听起来合理但实际不准确或过时的内容。

  • 代码范围有限:大多数 Phi-3 训练数据基于 Python 语言,并使用常见的软件包,如“typing, math, random, collections, datetime, itertools”。如果模型生成使用其他软件包的 Python 脚本或其他语言的脚本,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)。需要考虑的重要领域包括:+ 分配:在没有进一步评估和额外去偏见技术的情况下,模型可能不适合可能会对法律地位或资源分配或生活机会(例如住房、就业、信贷等)产生重大影响的场景。

  • 高风险场景:开发人员应评估在不公平、不可靠或冒犯性的输出可能非常昂贵或导致损害的高风险场景中使用模型的适用性。这包括在准确性和可靠性至关重要的敏感或专业领域提供建议(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。

  • 虚假信息:模型可能会产生不准确的信息。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 系统交互。在应用程序级别,开发人员可以构建反馈机制和管道,将响应植根于用例特定的上下文信息,这是一种称为检索增强生成 (RAG) 的技术。

  • 有害内容的生成:开发人员应评估输出的上下文,并使用可用的安全分类器或适合其用例的自定义解决方案。

  • 滥用:其他形式的滥用,例如欺诈、垃圾邮件或恶意软件生产,可能是可能的,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 迷你具有 3.8B 个参数,是一个密集的仅解码器 Transformer 模型。该模型通过监督微调 (SFT) 和直接偏好优化 (DPO) 进行微调,以确保与人类偏好和安全准则保持一致。
  • 输入:文本。它最适合使用聊天格式的提示。
  • 上下文长度:128K 个词符
  • GPU:512 H100-80G
  • 训练时间:7 天
  • 训练数据:3.3T 个词符
  • 输出:对输入的响应生成的文本
  • 日期:我们的模型是在 2024 年 2 月至 4 月之间训练的
  • 状态:这是一个在截止日期为 2023 年 10 月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

我们的训练数据包括各种来源,总计 3.3 万亿个词符,是 1) 经过严格质量过滤的公开可用的文档,精选的高质量教育数据和代码;2) 为了教数学、编码、常识推理、世界常识(科学、日常活动、心智理论等)而新创建的合成“教科书式”数据;3) 包含各种主题的高质量聊天格式监督数据,以反映人们对不同方面的偏好,例如指令遵循、真实性、诚实和乐于助人。

软件

许可证

该模型在 MIT 许可证 下授权。

商标

本项目可能包含项目、产品或服务的商标或标识。 授权使用微软商标或标识须遵守并遵循 微软商标和品牌指南。 在本项目的修改版本中使用微软商标或标识不得造成混淆或暗示微软赞助。 任何第三方商标或标识的使用须遵守相关第三方的政策。

资源