Phi-3 是微软推出的一系列轻量级,最先进的开放模型,包括 3B(小型)和 14B(中型)。

3.8b 14b

270万 4个月前

自述文件

Phi-3 是微软开发的一系列开放式人工智能模型。

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 小型模型

Phi-3 小型模型是一个拥有38亿参数的轻量级、最先进的开放模型,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网站数据,重点关注高质量和推理密集型特性。

该模型经过后期训练流程,该流程结合了监督微调和直接偏好优化,以确保精确遵循指令和强大的安全措施。

在评估常识、语言理解、数学、代码、长上下文和逻辑推理等基准测试时,Phi-3 Mini-4K-Instruct 在参数少于 130 亿的模型中展现了强大且最先进的性能。

Phi-3 中型模型

Phi-3 中型模型是一个拥有 140 亿参数的语言模型,其性能优于 Gemini 1.0 Pro。

image.png

预期用途

主要用例

该模型旨在用于英文的商业和研究用途。该模型可用于需要 1)内存/计算受限环境 2)延迟限制场景 3)强大的推理能力(尤其是在数学和逻辑方面) 4)长上下文 的应用程序。

我们的模型旨在加速对语言和多模态模型的研究,用作生成式人工智能驱动功能的构建块。

用例注意事项

我们的模型并非专门为所有下游用途而设计或评估。开发人员在选择用例时应考虑语言模型的常见局限性,并在用于特定下游用例之前评估和减轻准确性、安全性和公平性问题,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法律法规(包括隐私、贸易合规法等)。本模型卡中包含的任何内容均不应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。

负责任的人工智能考量

与其他语言模型一样,Phi 系列模型也可能以不公平、不可靠或具有冒犯性的方式运行。需要注意的一些限制性行为包括:

  • 服务质量:Phi 模型主要基于英文文本进行训练。非英语语言的性能会更差。训练数据中表示较少的英语变体可能比标准美式英语的性能更差。

  • 有害信息的表示和刻板印象的延续: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,或强化贬低或负面的刻板印象。尽管经过安全后期训练,但由于不同群体代表性的差异或训练数据中负面刻板印象示例的普遍性反映了现实世界模式和社会偏见,这些限制可能仍然存在。

  • 不当或冒犯性内容:这些模型可能会产生其他类型的不当或冒犯性内容,这使得在没有针对用例的额外缓解措施的情况下将其部署到敏感环境中可能不合适。

  • 信息可靠性:语言模型可能会生成无意义的内容或捏造听起来合理但不准确或过时的内容。

  • 代码范围有限:Phi-3 训练数据的大部分基于 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。

开发人员应应用负责任的人工智能最佳实践,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:+ 资源分配:如果没有进一步的评估和额外的去偏见技术,模型可能不适合可能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、不可靠或冒犯性输出可能造成极高成本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(例如法律或医疗建议)中提供建议。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人工智能系统交互。在应用程序级别,开发人员可以构建反馈机制和管道,以将响应基于特定于用例的上下文信息中,这是一种称为检索增强生成 (RAG) 的技术。

  • 有害内容的生成:开发人员应根据其上下文评估输出,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产生,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 小型模型拥有 38 亿参数,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,以确保符合人类偏好和安全指南。
  • 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:响应输入生成的文本
  • 日期:我们的模型在 2024 年 2 月至 4 月之间进行训练
  • 状态:这是一个在截至 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

我们的训练数据来自多种来源,总计3.3万亿个token,这些数据包含:1) 经过严格筛选以确保质量的公共文档、精选的高质量教育数据和代码;2) 为教授数学、编码、常识推理以及世界常识(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) 涵盖各种主题的高质量聊天格式监督数据,以反映人类对指令遵循、真实性、诚实和帮助等不同方面的偏好。

软件

许可证

该模型采用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标识。授权使用Microsoft商标或标识须遵守并遵循Microsoft的商标和品牌指南。在本项目的修改版本中使用Microsoft商标或标识不得造成混淆或暗示Microsoft的赞助。任何第三方商标或标识的使用均受这些第三方的政策约束。

资源