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)两种版本。

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。

在针对常识、语言理解、数学、代码、长上下文和逻辑推理的基准测试中,Phi-3 小型模型-4K-指令在参数少于 130 亿的模型中展示了强大的最先进性能。

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环境下的商业和研究用途。该模型可用于需要 1) 内存/计算受限环境 2) 延迟敏感场景 3) 强推理能力(特别是数学和逻辑) 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 驱动功能的构建块。

用例注意事项

我们的模型并非专门为所有下游用途设计或评估。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和减轻准确性、安全性以及公平性问题,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规或条例(包括隐私、贸易合规法等)。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许可的限制或修改。

负责任的 AI 考虑

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 模型主要使用英文文本进行训练。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会比标准美国英语的性能更差。

  • 有害内容的呈现和刻板印象的延续:这些模型可能会过度或不足地表示人群,抹去某些群体的代表性,或强化贬低或负面的刻板印象。尽管进行了安全后期训练,但由于不同群体的代表性程度不同或训练数据中负面刻板印象的例子普遍存在,反映了现实世界模式和社会偏见,这些局限性可能仍然存在。

  • 不当或冒犯性内容:这些模型可能会产生其他类型的不当或冒犯性内容,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事实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: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或生命机会的分配产生重大影响的场景(例如:住房、就业、信用等)。

  • 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会造成极高的成本或导致损害。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,以将响应基于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。

  • 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生产,也是可能的,开发人员应确保其应用程序不违反适用法规和条例。

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。该模型使用监督微调 (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 token
  • GPU:512 个 H100-80G
  • 训练时间:7 天
  • 训练数据:3.3 万亿个 token
  • 输出:对输入做出响应的生成的文本
  • 日期:我们的模型在 2024 年 2 月至 4 月之间训练。
  • 状态:这是一个使用截止日期为 2023 年 10 月的离线数据集训练的静态模型。随着我们改进模型,可能会发布调整模型的未来版本。

数据集

我们的训练数据包括各种来源,总计 3.3 万亿个 token,是以下内容的组合:1) 经过严格筛选以确保质量的公开文档,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、世界常识(科学、日常活动、思维理论等)而新创建的合成“教科书式”数据;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。经授权使用 Microsoft 商标或徽标须遵守并遵循Microsoft 商标和品牌指南。在本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均受这些第三方的政策约束。

资源