Phi-3 是微软开发的一系列轻量级 3B(迷你版)和 14B(中等版)的先进开源模型。

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 迷你版

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

在对常识、语言理解、数学、代码、长上下文和逻辑推理等基准测试进行评估时,Phi-3 迷你版 4K-指令在参数少于 130 亿的模型中展现出强劲且最先进的性能。

Phi-3 中等版

Phi-3 中等版是一个 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

该模型适用于英文的商业和研究用途。该模型可用于以下应用场景:1)需要内存/计算受限环境;2)延迟敏感场景;3)强大的推理能力(特别是数学和逻辑推理);4)长上下文。

我们的模型旨在加速对语言和多模态模型的研究,用作生成式 AI 驱动的功能的构建块。

用例注意事项

我们的模型并非专门为所有下游目的而设计或评估。在选择用例时,开发者应考虑语言模型的常见限制,并在特定下游用例(尤其是高风险场景)中使用模型之前,评估并缓解其准确性、安全性和平等性问题。开发者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)。模型卡中包含的内容不应解释为或被视为对模型发布的许可的限制或修改。

负责任的 AI 考虑因素

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表现。需要注意的一些限制性行为包括:

  • 服务质量:Phi 模型主要使用英文文本进行训练。非英语语言的性能会更差。训练数据中代表性较少的英语语言变体可能比标准美式英语的性能更差。

  • 对危害的表示和对刻板印象的延续:这些模型可能过度或不足地表示人群,抹去对某些群体的表示,或强化贬低或负面的刻板印象。尽管经过安全后训练,但这些限制仍然可能存在,因为不同群体之间的代表性程度不同,或者训练数据中反映现实世界模式和社会偏见的负面刻板印象示例的流行程度不同。

  • 不当或冒犯性内容:这些模型可能会生成其他类型的不当或冒犯性内容,这可能会使其不适合在敏感的上下文中部署,除非采取额外的缓解措施,这些措施针对特定用例。

  • 信息可靠性:语言模型可以生成无意义的内容或捏造听起来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,并使用常见的包,例如“typing、math、random、collections、datetime、itertools”。如果模型生成的 Python 脚本使用了其他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。

开发者应应用负责任的 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:如果没有进一步的评估和额外的去偏见技术,模型可能不适合用于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:开发者应评估在高风险场景中使用模型的适宜性,在这种场景中,不公平、不可靠或冒犯性的输出可能造成极高的成本或导致损害。这包括在需要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。

  • 错误信息:模型可能会生成不准确的信息。开发者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,开发者可以构建反馈机制和管道,将响应建立在用例特定的上下文信息中,这是一种称为检索增强生成 (RAG) 的技术。

  • 生成有害内容:开发者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的生产,也是可能的,开发者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 迷你版拥有 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 个标记
  • GPU:512 个 H100-80G
  • 训练时间:7 天
  • 训练数据:3.3 万亿个标记
  • 输出:响应输入的生成的文本
  • 日期:我们的模型在 2024 年 2 月至 4 月期间训练。
  • 状态:这是一个使用离线数据集训练的静态模型,截止日期为 2023 年 10 月。随着我们改进模型,未来可能会发布调整后的模型版本。

数据集

我们的训练数据包含各种来源,总计 3.3 万亿个标记,是以下内容的组合: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)为了教授数学、编码、常识推理、对世界的一般知识(科学、日常生活、心智理论等)而新创建的合成“教科书式”数据;3)高质量的聊天格式监督数据,涵盖各种主题,以反映人类对不同方面的偏好,例如指令遵循、真实性、诚实和乐于助人。

软件

许可证

该模型根据 MIT 许可证 发布。

商标

本项目可能包含项目、产品或服务的商标或徽标。 授权使用微软商标或徽标须遵守并遵循 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徽标不得造成混淆或暗示微软赞助。 任何第三方商标或徽标的使用均须遵守这些第三方的政策。

资源