Phi-3 是微软开发的一系列轻量级 3B(Mini)和 14B(Medium)的领先开放模型。

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 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 是一个拥有 3.8B 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,该数据集包括合成数据和经过过滤的公开可用的网站数据,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、长上下文和逻辑推理等基准测试进行评估时,Phi-3 Mini-4K-Instruct 在参数少于 130 亿的模型中展现出强大的最先进性能。

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局限性,并在使用特定下游用例(尤其是高风险场景)之前评估和缓解准确性、安全性以及公平性问题。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 AI 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、不可靠或冒犯性的方式表现。需要了解的一些限制行为包括

  • 服务质量:Phi 模型主要使用英文文本进行训练。非英语语言的性能将更差。训练数据中代表性不足的英语语言变体可能比标准美式英语表现更差。

  • 对伤害的代表和刻板印象的延续:这些模型可能会过度或不足地代表人群,消除对某些群体的代表,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差异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实例的普遍性,这些限制仍然可能存在。

  • 不恰当或冒犯性的内容:这些模型可能会产生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在需要额外缓解措施的敏感环境中,这些缓解措施针对特定的用例。

  • 信息可靠性:语言模型可以生成毫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 的大多数训练数据基于 Python 以及“typing、math、random、collections、datetime、itertools”等常用包。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。

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)。需要考虑的重要方面包括:+ 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。

  • 高风险场景:开发人员应评估在不公平、不可靠或冒犯性的输出可能造成极大损失或导致伤害的高风险场景中使用模型的适当性。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,以将响应建立在特定于用例的上下文信息中,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。

  • 误用:可能存在其他形式的误用,例如欺诈、垃圾邮件或恶意软件的生产,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 拥有 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 个 H100-80G
  • 训练时间:7 天
  • 训练数据:3.3T 个标记
  • 输出:对输入生成的文本响应
  • 日期:我们的模型训练时间为 2024 年 2 月至 4 月。
  • 状态:这是一个静态模型,使用截止日期为 2023 年 10 月的离线数据集进行训练。随着我们改进模型,未来可能会发布调整后的模型版本。

数据集

我们的训练数据包括各种来源,总计 3.3 万亿个词元,是以下数据的组合:1)经过严格质量筛选的公开可用文档、精选的高质量教育数据和代码;2)为教授数学、编码、常识推理、世界常识(科学、日常生活、心智理论等)而新创建的合成“教科书式”数据;3)涵盖各种主题的高质量聊天格式监督数据,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

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。Microsoft 商标或徽标的授权使用须遵守并遵循 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政策的约束。

资源