Phi-3 是微软推出的一系列轻量级 3B(Mini)和 14B(Medium)的最新开放模型。

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 Mini

Phi-3 Mini 是一个 3.8B 参数的轻量级最先进开放模型,使用 Phi-3 数据集进行训练,其中包括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特性。

该模型经过了后训练流程,该流程结合了监督微调和直接偏好优化,以确保精确的指令遵守和强大的安全措施。

在对常识、语言理解、数学、代码、长上下文和逻辑推理进行基准测试评估时,Phi-3 Mini-4K-Instruct 在参数量小于 130 亿的参数模型中表现出强大且最先进的性能。

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对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、安全性和平等性问题,特别是对于高风险场景。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、贸易合规法律等)。模型卡中包含的内容不应被解释为或被视为对模型发布许可的限制或修改。

负责任的人工智能注意事项

与其他语言模型一样,Phi 系列模型可能会以不公平、不可靠或冒犯的方式行事。需要注意的一些限制性行为包括

  • 服务质量:Phi 模型主要针对英语文本进行训练。非英语语言的性能会更差。训练数据中表示不足的英语语言变体可能会比标准美式英语表现更差。

  • 危害的表示和刻板印象的延续:这些模型可能会过度或不足地代表群体,消除对某些群体的代表,或强化贬低或负面的刻板印象。尽管经过安全后训练,但由于不同群体表示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的例子普遍存在,这些限制仍然可能存在。

  • 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,这可能会使其不适合部署到敏感环境中,除非采取针对具体用例的其他缓解措施。

  • 信息可靠性:语言模型可以生成无意义的内容或捏造看似合理但实际上不准确或过时的内容。

  • 代码范围有限:Phi-3 训练数据的绝大多数基于 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。

开发人员应采用负责任的人工智能最佳实践,并有责任确保特定用例符合相关法律和法规(例如隐私、贸易等)。需要考虑的重要领域包括:+ 分配:模型可能不适合可能对法律地位或资源或生活机会分配产生重大影响的场景(例如住房、就业、信贷等),除非进行进一步评估和额外的去偏见技术。

  • 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,在这些场景中,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保障措施。

  • 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人工智能系统互动。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、上下文信息相结合,这种技术称为检索增强生成 (RAG)。

  • 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生产,也可能发生,开发人员应确保他们的应用程序不违反适用的法律和法规。

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 H100-80G
  • 训练时间:7 天
  • 训练数据:3.3T 个标记
  • 输出: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:这是一个针对离线数据集进行训练的静态模型,截止日期为 2023 年 10 月。随着模型改进,我们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,总共包含 3.3 万亿个词元,包含以下内容:1) 经过严格筛选的公开文档,以及精选的高质量教育数据和代码;2) 专门用于教授数学、编码、常识推理以及世界常识(科学、日常活动、心智理论等)的新创建的合成“教科书式”数据;3) 覆盖各种主题的高质量聊天格式监督数据,这些数据反映了人类对不同方面的偏好,例如指令遵循、真实性、诚实和帮助性。

软件

许可证

该模型根据 MIT 许可证 授权。

商标

该项目可能包含项目、产品或服务的商标或徽标。 Microsoft 商标或徽标的授权使用受 Microsoft 商标和品牌指南 的约束,必须遵守该指南。 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均受这些第三方政策的约束。

资源