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 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。

在针对常识、语言理解、数学、代码、长文本和逻辑推理等基准测试进行评估时,Phi-3 Mini-4K-Instruct 在参数数量小于 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,性能超过 Gemini 1.0 Pro。

image.png

预期用途

主要用例

该模型适用于英语的商业和研究用途。该模型为需要 1) 内存/计算受限环境 2) 延迟绑定场景 3) 强推理(尤其是数学和逻辑) 4) 长文本的应用程序提供用途。

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 支持功能的基础。

用例注意事项

我们的模型并非专门为所有下游目的设计或评估。开发人员应在选择用例时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和减轻准确性、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其用例相关的适用法律或法规(包括隐私、贸易合规法等)。模型卡中包含的内容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 AI 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 模型主要使用英语文本进行训练。非英语语言将体验到更差的性能。英语语言变体在训练数据中的代表性较低,可能会体验到比标准美式英语更差的性能。

  • 危害的表示与刻板印象的延续:这些模型可能过度或不足地表示人群,消除某些群体的表示,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程度不同,或者训练数据中存在反映现实世界模式和社会偏见的负面刻板印象示例,这些限制可能仍然存在。

  • 不恰当或冒犯性的内容:这些模型可能会生成其他类型的不恰当或冒犯性的内容,这可能使其不适合部署到敏感的上下文中,除非采取了针对特定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: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法律法规(例如隐私、贸易等)。重要的考虑领域包括: + 分配:在没有进一步评估和额外去偏技术的情况下,模型可能不适用于可能对法律地位或资源或生命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。

  • 虚假信息: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、上下文信息的基础上,这种技术被称为检索增强生成 (RAG)。

  • 生成有害内容:开发人员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。

  • 误用:其他形式的误用,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:针对输入生成的文本
  • 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,可能会发布未来版本的调整后的模型。

数据集

我们的训练数据包括各种来源,总共 3.3 万亿个标记,是 1) 经过严格质量过滤的公开文档、精选的高质量教育数据和代码;2) 新创建的合成“类似教科书”数据,用于教授数学、编码、常识推理、对世界的普遍认知(科学、日常生活、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 授权。

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需遵守并遵循 微软的商标与品牌指南。在修改后的项目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需遵守这些第三方的政策。

资源