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

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人工智能模型。

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 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,该数据集包括合成数据和经过过滤的公开网站数据,重点是高质量和推理密集型属性。

该模型经过了后期训练过程,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。

在针对常识、语言理解、数学、代码、长上下文和逻辑推理的基准测试中,Phi-3 Mini-4K-Instruct 在参数少于 130 亿的模型中展现了强大且最先进的性能。

Phi-3 Medium

Phi-3 Medium 是一个 14B 参数语言模型,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。该模型为需要以下条件的应用程序提供用途:1)内存/计算受限的环境 2)延迟受限的场景 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,用作生成式人工智能功能的基础模块。

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。开发人员在选择用例时应考虑语言模型的常见局限性,并在将其用于特定下游用例之前评估和减轻准确性、安全性和公平性问题,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得解释为或视为对模型发布许可的限制或修改。

负责任的人工智能注意事项

与其他语言模型一样,Phi 系列模型可能会表现出不公平、不可靠或冒犯性的行为。需要注意的一些限制性行为包括

  • 服务质量:Phi 模型主要在英文文本上进行训练。英语以外的语言将表现出较差的性能。在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出较差的性能。

  • 伤害的体现和刻板印象的延续:这些模型可能过度或不足地代表某些人群,消除某些群体的代表性,或强化贬低性或负面的刻板印象。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反映现实世界模式和社会偏见的负面刻板印象示例在训练数据中普遍存在,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,这可能使其不适合部署在敏感环境中,除非采取针对特定用例的其他缓解措施。

  • 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。

  • 代码范围有限:Phi-3 的大部分训练数据基于 Python 并使用常见软件包,例如“typing、math、random、collections、datetime、itertools”。如果模型生成利用其他软件包的 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人工智能最佳实践,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:模型可能不适用于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,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会造成极其昂贵的代价或导致伤害。这包括在准确性和可靠性至关重要的敏感或专家领域提供建议(例如:法律或健康建议)。应根据部署上下文在应用程序级别实施额外的安全措施。

  • 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人工智能系统进行交互。在应用程序级别,开发人员可以构建反馈机制和管道,以将响应置于特定于用例的上下文信息中,这种技术称为检索增强生成 (RAG)。

  • 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。

  • 误用:可能存在其他形式的误用,例如欺诈、垃圾邮件或恶意软件生产,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 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指南保持一致。
  • 输入:文本。最适合使用聊天格式的提示。
  • 上下文长度:128K 标记
  • GPU:512 个 H100-80G
  • 训练时间:7 天
  • 训练数据:3.3T 标记
  • 输出:响应输入生成的文本
  • 日期:我们的模型在 2024 年 2 月至 4 月之间训练
  • 状态:这是一个在离线数据集上训练的静态模型,截止日期为 2023 年 10 月。随着我们改进模型,可能会发布未来版本的调优模型。

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,其中包括:1) 经过严格质量过滤的公开文档、精选的优质教育数据和代码;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、心智理论等);3) 涵盖各种主题的高质量聊天格式监督数据,以反映人类在指令遵循、真实性、诚实性和有用性等方面的偏好。

软件

许可证

该模型根据 MIT 许可证授权。

商标

本项目可能包含用于项目、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。在修改版的本项目中使用微软商标或徽标不得引起混淆或暗示微软赞助。任何使用第三方商标或徽标的行为均受这些第三方的政策约束。

资源