Phi-3是由微软推出的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是由微软开发的一系列开放式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 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筛选的公开可用网站数据,重点关注高质量和推理密集型特性。

该模型经过了后期训练过程,其中包括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。

在对常识、语言理解、数学、代码、长文本和逻辑推理进行基准测试评估时,Phi-3 Mini-4K-Instruct在参数少于130亿的模型中展现出强大且最先进的性能。

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

该模型旨在用于英语的商业和研究用途。该模型可用于需要以下应用场景的应用:1)内存/计算受限的环境;2)延迟敏感的场景;3)强大的推理能力(尤其是在数学和逻辑方面);4)长文本上下文。

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,并在用于特定下游用例(尤其是在高风险场景中)之前,评估和减轻准确性、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法规(包括隐私、贸易合规法律等)。模型卡片中包含的任何内容均不应解释为或被视为对模型发布所依据的许可证的限制或修改。

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、不可靠或具有冒犯性的方式运行。需要注意的一些限制性行为包括:

  • 服务质量:Phi模型主要基于英语文本进行训练。非英语语言的性能会较差。训练数据中代表性较低的英语变体可能会比标准美式英语表现更差。

  • 危害的呈现和刻板印象的延续:这些模型可能会过度或不足地代表人群,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,或者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:语言模型可能会生成无意义的内容或捏造听起来合理但实际上不准确或过时的内容。

  • 代码范围有限:Phi-3训练数据大部分基于Python,并使用“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的使用。

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:在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中,模型可能并不适用,除非进行进一步评估并采用额外的去偏见技术。

  • 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、不可靠或具有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(例如法律或健康建议)提供建议。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的法律法规。

训练

模型

  • 架构:Phi-3 小型模型拥有38亿个参数,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token
  • GPU:512 个 H100-80G
  • 训练时间:7 天
  • 训练数据:3.3 万亿个token
  • 输出:针对输入生成的文本
  • 日期:我们的模型是在 2024 年 2 月至 4 月之间训练的
  • 状态:这是一个基于截止日期为 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,未来可能会发布调整后的模型版本。

数据集

我们的训练数据包含各种来源,总计 3.3 万亿个 token,结合了以下内容:1) 经过严格质量筛选的公开文档、精选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

此项目可能包含项目、产品或服务的商标或徽标。微软商标或徽标的授权使用须遵守并必须遵循微软的商标和品牌指南。在修改后的项目版本中使用微软商标或徽标不得造成混淆或暗示微软的赞助。任何第三方商标或徽标的使用均须遵守该第三方的政策。

资源