Phi-3 是微软开发的先进的 3B (Mini) 和 14B (Medium) 规模的开源模型系列。

3.8b 14b

2.9M 6 months ago

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、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筛选的公开网站数据,重点关注高质量和推理密集属性。

该模型经过了一个后训练过程,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。

当针对测试常识、语言理解、数学、代码、长上下文和逻辑推理的基准进行评估时,Phi-3 Mini-4K-Instruct 在参数少于 130 亿的模型中展示了强大且先进的性能。

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提供用途:1) 内存/计算受限环境 2) 延迟绑定场景 3) 强大的推理能力(尤其是数学和逻辑)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 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准确性、安全性和公平性,特别是对于高风险场景。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或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。英语以外的语言性能会更差。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。

  • 危害的表示和刻板印象的永续存在:这些模型可能会过度或不足地表示人群,消除某些群体的代表性,或强化贬低或负面的刻板印象。尽管进行了安全后训练,但由于不同群体的代表性水平不同,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,这可能会使其不适合在敏感环境中使用,除非采取特定于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不准确或过时的内容。

  • 代码的有限范围:Phi-3 训练数据的大部分基于 Python,并使用常见的软件包,例如“typing、math、random、collections、datetime、itertools”。如果模型生成使用其他软件包的 Python 脚本或使用其他语言的脚本,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法规(例如隐私、贸易等)。重要的考虑领域包括:+ 分配: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),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代价极高或导致伤害。这包括在准确性和可靠性至关重要的敏感或专家领域(例如:法律或健康建议)中提供建议。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,以将响应扎根于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制作,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 具有 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 tokens
  • GPU:512 H100-80G
  • 训练时间:7 天
  • 训练数据:3.3T tokens
  • 输出:生成的文本以响应输入
  • 日期:我们的模型在 2024 年 2 月至 4 月期间训练
  • 状态:这是一个静态模型,在截止日期为 2023 年 10 月的离线数据集上训练。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,是以下各项的组合:1) 经过严格质量筛选的公开文档、选定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、心理理论等);3) 高质量聊天格式的监督数据,涵盖各种主题,以反映人类对指令遵循、真实性、诚实性和乐于助人等不同方面的偏好。

软件

许可证

该模型根据 MIT 许可证获得许可。

商标

本项目可能包含项目、产品或服务的商标或徽标。微软商标或徽标的授权使用受 微软商标和品牌指南的约束,并且必须遵循该指南。在本项目的修改版本中使用微软商标或徽标不得引起混淆或暗示微软赞助。对第三方商标或徽标的任何使用均受这些第三方的政策约束。

资源