Phi-3 是由微软开发的轻量级 3B(Mini)和 14B(Medium)最先进的开放模型系列。

3.8b 14b

270万 4 个月前

自述文件

Phi-3 是由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、轻量级、最先进的开放模型,使用 Phi-3 数据集进行训练,该数据集包括合成数据和经过滤的公开网站数据,重点关注高质量和推理密集属性。

该模型经过了后期训练过程,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。

在测试常识、语言理解、数学、代码、长文本和逻辑推理的基准测试中,Phi-3 Mini-4K-Instruct 在参数少于 130 亿的模型中展示了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

该模型适用于英语的商业和研究用途。该模型适用于需要以下条件的应用:1) 内存/计算受限的环境 2) 延迟受限的场景 3) 强大的推理能力(特别是数学和逻辑)4) 长上下文

我们的模型旨在加速语言和多模态模型的研究,用作生成式人工智能驱动功能的构建块。

用例考虑因素

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,并在将其用于特定下游用例之前评估和缓解准确性、安全性和公平性问题,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、贸易合规法等)。此模型卡中包含的任何内容均不得解释为或视为对模型发布的许可的限制或修改。

负责任的人工智能考虑因素

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性行为包括:

  • 服务质量:Phi 模型主要使用英语文本进行训练。英语以外的语言性能会较差。在训练数据中代表性较少的英语变体可能比标准美式英语表现更差。

  • 伤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某些人群,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水平不同或反映现实世界模式和社会偏见的训练数据中负面刻板印象的例子普遍存在,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没有针对用例进行额外缓解措施的情况下部署到敏感环境中。

  • 信息可靠性:语言模型可能会生成无意义的内容或捏造听起来合理但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 并使用常用包,如“typing、math、random、collections、datetime、itertools”。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 使用情况。

开发人员应应用负责任的人工智能最佳实践,并负责确保特定用例符合相关法律法规(例如隐私、贸易等)。需要考虑的重要领域包括:+ 分配:模型可能不适用于可能对法律地位或资源分配或生活机会(例如住房、就业、信贷等)产生重大影响的场景,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用性,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其昂贵的代价或导致伤害。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人工智能系统进行交互。在应用程序级别,开发人员可以构建反馈机制和管道,以在特定于用例的上下文信息中提供响应,这种技术称为检索增强生成 (RAG)。

  • 生成有害内容:开发人员应评估其上下文的输出,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:可能存在其他形式的滥用,例如欺诈、垃圾邮件或恶意软件生产,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 Mini 有 3.8B 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 标记
  • GPU:512 个 H100-80G
  • 训练时间:7 天
  • 训练数据:3.3T 标记
  • 输出:响应输入的生成文本
  • 日期:我们的模型在 2024 年 2 月至 4 月期间训练
  • 状态:这是一个在截止日期为 2023 年 10 月的离线数据集上训练的静态模型。随着我们改进模型,可能会发布未来版本的调优模型。

数据集

我们的训练数据包括各种来源,总计 3.3 万亿个标记,并且是以下各项的组合: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“教科书式”数据,用于教授数学、编码、常识推理、世界常识(科学、日常活动、心智理论等);3) 涵盖各种主题的高质量聊天格式监督数据,以反映人类在不同方面的偏好,例如指令遵循、真实性、诚实性和有用性。

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。Microsoft 商标或徽标的授权使用受 Microsoft 商标和品牌指南的约束,并且必须遵守该指南。在修改版本的项目中使用 Microsoft 商标或徽标不得造成混淆或暗示 Microsoft 赞助。任何使用第三方商标或徽标的行为均受这些第三方的政策约束。

资源