Phi-3 是微软开发的一系列轻量级 3B(Mini)和 14B(Medium)最先进的开源模型。

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 是一款 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,该数据集包含合成数据和经过过滤的公开可用的网站数据,重点是高质量和推理密集型特性。

该模型经历了后训练过程,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。

在针对测试常识、语言理解、数学、代码、长上下文和逻辑推理的基准测试时,Phi-3 Mini-4K-Instruct 在参数少于 130 亿的参数模型中展示了稳健的最先进性能。

Phi-3 Medium

Phi-3 Medium 是一款 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) 强大的推理能力(尤其是数学和逻辑) 4) 长上下文 的应用程序的用途。

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 驱动功能的构建模块。

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。开发人员应在选择用例时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,尤其是在高风险场景中。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)。模型卡中包含的任何内容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 注意事项

与其他语言模型一样,Phi 系列模型可能以不公平、不可靠或冒犯性的方式行事。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。英语以外的语言将出现更差的性能。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。

  • 危害的代表性和刻板印象的延续:这些模型可能过度或不足地代表群体,抹去某些群体的代表性,或强化贬低或消极的刻板印象。尽管进行了安全后训练,但由于不同群体代表性的差异程度或训练数据中反映现实世界模式和社会偏见的消极刻板印象示例的普遍性,这些局限性仍然可能存在。

  • 不适当或冒犯性的内容:这些模型可能会生成其他类型的不适当或冒犯性的内容,这可能使其不适合在敏感环境中部署,除非有针对用例的额外缓解措施。

  • 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 的大部分训练数据都基于 Python,并使用常见的包,例如“typing、math、random、collections、datetime、itertools”。如果模型生成使用其他包或其他语言脚本的 Python 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(例如隐私、贸易等)。需要考虑的重要领域包括:+ 分配:在没有进一步评估和额外的去偏技术的情况下,模型可能不适合可能会对法律地位或资源或生活机会分配(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成本或导致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保护措施。

  • 虚假信息: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,以将响应基于用例特定的上下文信息,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,并使用与其用例相关的可用安全分类器或自定义解决方案。

  • 误用:其他形式的误用,例如欺诈、垃圾邮件或恶意软件生产,可能是可能的,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 拥有 38 亿个参数,是一个密集的仅解码器 Transformer 模型。该模型经过监督微调 (SFT) 和直接偏好优化 (DPO) 训练,以确保与人类偏好和安全准则一致。
  • **输入:** 文本。它最适合使用聊天格式的提示。
  • **上下文长度:** 128K 个词元
  • **GPU:** 512 个 H100-80G
  • **训练时间:** 7 天
  • **训练数据:** 3.3 万亿个词元
  • **输出:** 对输入的响应生成的文本
  • **日期:** 我们的模型是在 2024 年 2 月到 4 月之间训练的
  • **状态:** 这是一个静态模型,在截至 2023 年 10 月的离线数据集上训练。随着模型的改进,我们可能会发布经过调整的模型的未来版本。

**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) 覆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**

**许可证**

该模型根据 MIT 许可证 授权。

**商标**

该项目可能包含项目、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。在修改后的版本中使用 Microsoft 商标或徽标不得造成混淆或暗示 Microsoft 的赞助。任何使用第三方商标或徽标都必须遵守这些第三方的政策。

**资源**