Phi-3 是由微软开发的一系列轻量级 3B(迷你)和 14B(中等)最先进的开放模型。

3.8b 14b

2.7M 3 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 迷你

Phi-3 迷你是一个拥有 3.8B 个参数的轻量级、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过滤的公开可用网站数据,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,该过程包含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、长文本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 亿的模型中展现出稳健且最先进的性能。

Phi-3 中等

Phi-3 中等是一个 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。该模型提供了一些用例,这些用例适用于需要 1) 内存/计算受限环境 2) 延迟绑定场景 3) 强大的推理(特别是数学和逻辑) 4) 长文本的应用程序。

我们的模型旨在加速对语言和多模态模型的研究,作为生成式 AI 支持功能的构建模块。

用例注意事项

我们的模型并非专门为所有下游用途设计或评估。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其用例相关的适用法律法规(包括隐私、贸易合规法等)。模型卡中包含的任何内容均不应被解释为或被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 系列模型可能会以不公平、不可靠或冒犯的方式表现。需要注意的一些限制行为包括

  • 服务质量:Phi 模型主要基于英语文本进行训练。非英语语言的性能将下降。英语变体在训练数据中的代表性较低,其性能可能比标准美式英语差。

  • 对危害的代表性和对刻板印象的延续:这些模型可能会过度或不足地代表群体,消除某些群体的代表性,或强化贬低或消极的刻板印象。尽管经过了安全后训练,但由于不同群体的代表性程度不同,或训练数据中反映现实世界模式和社会偏见的消极刻板印象的例子普遍存在,因此这些局限性可能仍然存在。

  • 不适当或冒犯性内容:这些模型可能会产生其他类型的不适当或冒犯性内容,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 训练数据的多数基于 Python,并使用“typing、math、random、collections、datetime、itertools”等通用包。如果模型生成的 Python 脚本利用了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的法律法规(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(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、不可靠或冒犯性输出可能造成重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(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 系统互动。在应用程序级别,开发人员可以构建反馈机制和管道,以将响应与用例相关的特定上下文信息相结合,这是一种称为检索增强生成 (RAG) 的技术。

  • 有害内容的生成:开发人员应评估输出内容的上下文,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,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38亿参数,是一个密集型仅解码器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token
  • GPU: 512 个 H100-80G
  • 训练时间: 7 天
  • 训练数据: 3.3 万亿个token
  • 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。随着模型的改进,我们可能会发布调整后的模型的未来版本。

数据集

我们的训练数据包括各种来源,总计 3.3 万亿个token,是以下内容的组合:1) 经过严格质量筛选的公开可用文档,精选的优质教育数据和代码;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,反映了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 授权。

商标

此项目可能包含项目、产品或服务的商标或徽标。经授权使用微软商标或徽标需遵守并遵循 微软商标和品牌指南。在修改后的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需遵守其第三方的政策。

资源