Phi-3 是微软推出的一系列轻量级 3B(Mini)和 14B(Medium)的尖端开源模型。

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源 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 是一个具有 3.8B 参数的轻量级、最先进的开源模型,它使用 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。

该模型经过了后训练过程,该过程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。

在对常识、语言理解、数学、代码、长上下文和逻辑推理的基准测试进行评估时,Phi-3 Mini-4K-Instruct 在参数少于 130 亿的模型中展示了强大的最先进性能。

Phi-3 Medium

Phi-3 Medium 是一个 14B 参数的语言模型,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。该模型提供用于需要 1) 内存/计算受限环境 2) 延迟绑定场景 3) 强大的推理(尤其是数学和逻辑) 4) 长上下文等应用的用例。

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,并在特定下游用例中使用之前评估和缓解准确性、安全性以及公平性,特别是对于高风险场景。开发人员应了解并遵守与他们的用例相关的适用法律或法规(包括隐私、贸易合规法等)。本模型卡中包含的任何内容均不应被解释为或视为对模型发布的许可证的限制或修改。

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、不可靠或冒犯的方式行事。一些需要注意的限制性行为包括

  • 服务质量:Phi 模型主要使用英语文本进行训练。其他语言的性能会更差。训练数据中代表性不足的英语变体可能会比标准美式英语表现更差。

  • 伤害的代表和对刻板印象的延续:这些模型可能会过度或不足地代表某些群体,消除某些群体的代表性,或强化贬损或负面的刻板印象。尽管进行了安全后训练,但由于不同群体代表性程度不同或训练数据中反映现实世界模式和社会偏见的反面刻板印象示例普遍存在,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的额外缓解措施的情况下部署到敏感环境中。

  • 信息可靠性:语言模型可以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:大多数 Phi-3 训练数据基于 Python,并使用常见的包,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 AI 最佳实践,并负责确保特定用例符合相关法律法规(如隐私、贸易等)。需要考虑的重要方面包括:+ 分配:在没有进一步评估和额外去偏技术的情况下,模型可能不适合可能对法律地位或资源分配或生活机会产生重大影响的场景(例如住房、就业、信贷等)。

  • 高风险场景:开发人员应评估在不公平、不可靠或冒犯性输出可能造成极大损失或造成伤害的高风险场景中使用模型的适用性。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 系统交互。在应用程序级别,开发人员可以构建反馈机制和管道,将响应与用例特定、上下文信息相结合,这种技术被称为检索增强生成 (RAG)。

  • 有害内容的生成:开发人员应根据其上下文评估输出,并使用适用于其用例的可用安全分类器或自定义解决方案。

  • 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 Mini 具有 3.8B 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 个标记
  • GPU:512 H100-80G
  • 训练时间:7 天
  • 训练数据:3.3T 个标记
  • 输出:对输入生成的响应文本
  • 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,可能会发布调整后的模型的未来版本。

数据集

我们的训练数据包含各种来源,总计 3.3 万亿个词元,是以下内容的组合: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) 为了教授数学、编码、常识推理、对世界的一般性知识(科学、日常活动、心智理论等)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,以反映人们对不同方面的偏好,例如指令遵循、真实性、诚实和乐于助人。

软件

许可证

该模型根据 MIT 许可证 许可。

商标

该项目可能包含针对项目、产品或服务的商标或徽标。授权使用微软商标或徽标须遵守并必须遵循 微软商标与品牌指南。在该项目的修改版本中使用微软商标或徽标不得造成混淆或暗示微软赞助。任何使用第三方商标或徽标均须遵守这些第三方的政策。

资源