Phi-3 是由微软开发的一系列轻量级 3B(迷你)和 14B(中型)最先进的开源模型。

3.8b 14b

2.7M 3 个月前

自述文件

Phi-3 是由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

Phi-3 迷你是一个拥有 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 亿的模型中展现出强大的最先进性能。

Phi-3 中型

Phi-3 中型是一个拥有 14B 个参数的语言模型,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。该模型可用于需要 1) 内存/计算受限环境 2) 延迟限制场景 3) 强推理(尤其是数学和逻辑) 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 AI 驱动功能的构建模块。

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模型之前评估和缓解准确性、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)。本模型卡片中没有任何内容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运行。需要注意的一些限制行为包括

  • 服务质量:Phi 模型主要针对英文文本进行训练。非英语语言的性能将更差。与训练数据中代表性较低的英语语言变体相比,标准美式英语的性能可能更差。

  • 对伤害的代表性和对刻板印象的延续:这些模型可能过度或不足地代表群体,抹杀某些群体的代表性,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负面刻板印象的普遍性,这些局限性可能仍然存在。

  • 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,这可能使它们不适合在敏感的上下文中部署,除非采用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 脚本利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遵守相关的法律法规(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或生活机会(例如住房、就业、信贷等)分配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宜性,在这种场景中,不公平、不可靠或冒犯性的输出可能会造成巨大损失或导致伤害。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 AI 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,将响应与特定用例的上下文信息联系起来,这种技术被称为检索增强生成 (RAG)。

  • 有害内容生成:开发人员应根据其上下文评估输出,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。

  • 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 迷你拥有 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 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,可能会发布调优模型的未来版本。

数据集

我们的训练数据包括来自各种来源的 3.3 万亿个词元,是以下内容的组合: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) 为了教学数学、编码、常识推理、对世界的普遍知识(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 下获得许可。

商标

此项目可能包含项目、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。在修改版本的此项目中使用微软商标或徽标不得造成混淆或暗示微软赞助。任何使用第三方商标或徽标均受该第三方政策的约束。

资源