Phi-3 是由微软开发的一系列轻量级 3B(Mini)和 14B(Medium)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 Mini

Phi-3 Mini 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,该数据集包括合成数据和经过过滤的公开可访问网站数据,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守和强大的安全措施。

在评估常识、语言理解、数学、代码、长上下文和逻辑推理的基准测试时,Phi-3 Mini-4K-Instruct 在参数少于 130 亿的模型中展示了强大的最先进性能。

Phi-3 Medium

Phi-3 Medium 是一个 14B 参数的语言模型,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。该模型为需要以下功能的应用程序提供用途:1) 内存/计算受限的环境 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 驱动的功能的构建模块。

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。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并缓解准确性、安全性和平等性,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或法规(包括隐私、贸易合规法律等)。模型卡中包含的内容不应被解释为或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 系列模型可能会以不公平、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。非英语语言的性能会更差。英语语言变体在训练数据中的代表性较低,其性能可能比标准美式英语更差。

  • 对伤害的表示和对刻板印象的延续:这些模型可能会过度或不足地表示人群,消除某些群体的代表性,或强化贬低或负面的刻板印象。尽管进行了安全后训练,但由于不同群体的代表性水平不同,或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普遍性,这些限制可能仍然存在。

  • 不适当或冒犯性的内容:这些模型可能会产生其他类型的不适当或冒犯性的内容,这可能使其不适合部署到敏感的上下文中,除非有针对用例的额外缓解措施。

  • 信息可靠性:语言模型可以生成毫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:大多数 Phi-3 训练数据基于 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 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:模型可能不适合在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中使用(例如住房、就业、信贷等),除非进行进一步评估和额外的去偏技术。

  • 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伤害的高风险场景中使用模型的适用性。这包括在需要准确性和可靠性的敏感或专业领域提供建议(例如法律或健康建议)。应根据部署上下文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 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,将响应置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。

  • 误用:其他形式的误用,例如欺诈、垃圾邮件或恶意软件的生产,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 Mini 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 H100-80G
  • 训练时间:7 天
  • 训练数据:3.3T 个标记
  • 输出:响应输入的生成的文本
  • 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,未来版本调整后的模型可能会发布。

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,是以下内容的结合:1)经过严格质量筛选的公开可用文档,精选的高质量教育数据和代码;2)新创建的合成“教科书式”数据,用于教授数学、编码、常识推理、世界常识(科学、日常活动、心智理论等);3)高质量的聊天格式监督数据,涵盖各种主题,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。Microsoft 商标或徽标的授权使用需遵守并遵循Microsoft 的商标和品牌指南。在该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须遵守该第三方的政策。

资源