Phi-3 是微软推出的一系列轻量级 3B(迷你)和 14B(中等)最先进的开源模型。

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 迷你

Phi-3 迷你是一个 3.8B 参数的轻量级、最先进的开源模型,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守和稳健的安全措施。

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测试进行评估时,Phi-3 Mini-4K-Instruct 在参数数量少于 130 亿的模型中展示了强大的最先进性能。

Phi-3 中等

Phi-3 中等是一个 14B 参数的语言模型,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商业和研究用途。该模型为需要以下功能的应用程序提供用途:1) 内存/计算受限环境 2) 延迟绑定场景 3) 强大的推理(尤其是数学和逻辑) 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,作为生成式人工智能驱动功能的构建模块。

用例注意事项

我们的模型不是专门为所有下游目的设计或评估的。开发人员在选择用例时应考虑语言模型的常见限制,并在特定下游用例中使用前评估和缓解准确性、安全性、公平性,尤其是对于高风险场景。开发人员应了解并遵守适用于其用例的适用法律或法规(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视为对模型发布的许可证的限制或修改。

负责任的人工智能注意事项

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 模型主要在英语文本上进行训练。除英语以外的语言将出现更差的性能。英语语言变体在训练数据中的代表性较低,可能比标准美式英语表现更差。

  • 危害的体现和刻板印象的延续: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,或强化贬低或消极的刻板印象。尽管进行了安全后训练,但由于不同群体代表性的差异或训练数据中反映现实世界模式和社会偏见的消极刻板印象示例的普遍性,这些限制仍然存在。

  • 不适当或冒犯性内容:这些模型可能会生成其他类型的 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 训练数据的大多数基于 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:如果未进行进一步评估和额外的去偏方法,模型可能不适合可能对法律地位或资源或生活机会分配(例如住房、就业、信贷等)产生重大影响的场景。

  • 高风险场景:开发人员应评估在高风险场景中使用模型的适用性,在这种场景中,不公平、不可靠或冒犯性的输出可能代价高昂或导致危害。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。

  • 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人工智能系统进行交互。在应用程序级别,开发人员可以构建反馈机制和管道,将响应建立在特定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。

  • 生成有害内容: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。

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

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:3.3T 个标记
  • 输出:响应输入生成的文本
  • 日期:我们的模型是在 2024 年 2 月至 4 月期间训练的
  • 状态:这是一个在具有 2023 年 10 月截止日期的离线数据集中训练的静态模型。随着我们改进模型,可能会发布调整后的模型的未来版本。

数据集

我们的训练数据来自各种来源,总计 3.3 万亿个词元,包含以下内容:1) 经过严格筛选的优质公开文档,精选的高质量教育数据和代码;2) 为教授数学、编程、常识推理、世界常识(科学、日常生活、心智理论等)而专门创建的全新合成“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,以反映人们在遵循指示、真实性、诚实和帮助等方面不同的偏好。

软件

许可

该模型在 MIT 许可证 下授权。

商标

该项目可能包含项目、产品或服务的商标或标识。授权使用微软商标或标识需遵守并遵循 微软商标和品牌指南。在该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的赞助。任何使用第三方商标或标识,均需遵守该第三方的政策。

资源