Phi-3 是微软公司开发的先进的轻量级 3B (Mini) 和 14B (Medium) 开源模型系列。

3.8b 14b

2.9M 7 个月前

自述文件

Phi-3 是微软开发的开源 AI 模型系列。

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、轻量级的、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用网站数据,重点是高质量和推理密集属性。

该模型经过了后训练处理,包括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。

在针对常识、语言理解、数学、代码、长上下文和逻辑推理进行测试的基准评估中,Phi-3 Mini-4K-Instruct 在参数小于 130 亿的模型中表现出强大而先进的性能。

Phi-3 Medium

Phi-3 Medium 是一个 14B 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

该模型旨在用于英语的商业和研究用途。 该模型为需要以下应用程序提供用途:1) 内存/计算受限的环境 2) 延迟受限的场景 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 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限制,并在特定下游用例中使用之前评估和减轻其准确性、安全性和公正性,尤其是在高风险场景中。 开发人员应了解并遵守适用于其用例的适用法律或法规(包括隐私、贸易合规法律等)。 本模型卡中包含的任何内容均不应被解释为或被视为对模型发布所依据的许可的限制或修改。

负责任的 AI 考虑因素

与其他语言模型一样,Phi 系列模型可能会以不公平、不可靠或冒犯性的方式运行。需要注意的一些限制行为包括

  • 服务质量:Phi 模型主要在英语文本上进行训练。 英语以外的语言的性能会更差。 训练数据中表示较少的英语语言变体的性能可能比标准美式英语更差。

  • 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人群,消除某些人群的代表,或加强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程度不同,或者训练数据中反映真实世界模式和社会偏见的负面刻板印象示例的普遍存在,这些限制可能仍然存在。

  • 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,这可能使其不适合在敏感情况下部署,而没有特定于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内容,这些内容听起来合理,但不准确或过时。

  • 代码的有限范围:Phi-3 的大多数训练数据都基于 Python,并使用诸如“typing、math、random、collections、datetime、itertools”之类的常用包。 如果模型生成使用其他包的 Python 脚本或其他语言的脚本,我们强烈建议用户手动验证所有 API 用法。

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和法规(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,模型可能不适用于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(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,在这些场景中,不公平、不可靠或冒犯性的输出可能会非常昂贵或导致伤害。 这包括在准确性和可靠性至关重要的敏感或专家领域提供建议(例如:法律或健康建议)。 应根据部署上下文在应用层实施额外的保障措施。

  • 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的最佳实践,并告知最终用户他们正在与 AI 系统交互。 在应用层,开发人员可以构建反馈机制和管道,以将响应建立在特定于用例的上下文信息中,这种技术被称为检索增强生成 (RAG)。

  • 有害内容的生成: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用于其用例的自定义解决方案。

  • 滥用:可能会出现其他形式的滥用,例如欺诈、垃圾邮件或恶意软件生成,开发人员应确保其应用程序不违反适用的法律和法规。

训练

模型

  • 架构:Phi-3 Mini 具有 3.8B 个参数,并且是一个密集解码器专用 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 tokens
  • GPUS:512 H100-80G
  • 训练时间:7 天
  • 训练数据:3.3T 个 tokens
  • 输出:生成文本以响应输入
  • 日期:我们的模型在 2024 年 2 月至 4 月之间进行了训练
  • 状态:这是一个在离线数据集上训练的静态模型,截止日期为 2023 年 10 月。 随着我们改进模型,未来版本的调整模型可能会发布。

数据集

我们的训练数据包括各种来源,总计 3.3 万亿个 tokens,并且是以下各项的组合:1) 公开可用的文档,经过严格的质量过滤、选定的高质量教育数据和代码; 2) 为教学数学、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,以反映人类对不同方面的偏好,例如指令遵循、真实性、诚实性和乐于助人。

软件

许可

该模型根据 MIT 许可获得许可。

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 商标或徽标必须遵守并遵循Microsoft 的商标和品牌指南。 在本项目的修改版本中使用 Microsoft 商标或徽标不得引起混淆或暗示 Microsoft 赞助。 任何第三方商标或徽标的使用均受该第三方政策的约束。

资源