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

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 迷你

Phi-3 迷你是一个 3.8B 参数的轻量级、最先进的开源模型,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型属性。

该模型经过了后训练过程,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守和强大的安全措施。

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进行评估时,Phi-3 Mini-4K-Instruct 在参数少于 130 亿的模型中展现出强大的最先进性能。

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。该模型为需要 1) 内存/计算受限环境 2) 延迟敏感场景 3) 强推理(尤其是数学和逻辑) 4) 长上下文 的应用程序提供用途。

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 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目的设计或评估。开发者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,尤其是在高风险场景中。开发者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、贸易合规法律等)。本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 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、不可靠或冒犯性的方式运行。一些需要注意的限制性行为包括

  • 服务质量:Phi 模型主要用英语文本进行训练。非英语语言的性能会更差。训练数据中代表性较低的英语语言变体可能会比标准美式英语的性能更差。

  • 危害的代表性与刻板印象的延续:这些模型可能过度或不足地代表人群,消除某些群体的代表性,或强化贬低或负面的刻板印象。尽管经过安全后训练,但由于不同群体代表性的差异水平或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性,这些限制可能仍然存在。

  • 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,这可能会使其不适合在敏感情况下部署,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上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 以及使用常见的包,例如“typing、math、random、collections、datetime、itertools”。如果模型生成使用其他包或其他语言的脚本的 Python 脚本,我们强烈建议用户手动验证所有 API 使用情况。

开发者应应用负责任的 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:模型可能不适合可能对法律地位或资源或生活机会分配产生重大影响的场景(例如住房、就业、信贷等),除非经过进一步评估和额外的去偏见技术。

  • 高风险场景:开发者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非常昂贵或导致危害。这包括在需要准确性和可靠性的敏感或专业领域提供建议(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。开发者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,开发者可以构建反馈机制和管道,将响应与特定于用例的上下文信息联系起来,这是一种称为检索增强生成 (RAG) 的技术。

  • 有害内容的生成:开发者应评估输出的上下文,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: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,开发者应确保他们的应用程序不违反适用的法律法规。

训练

模型

  • 架构:Phi-3 迷你具有 3.8B 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) 的微调,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 个 H100-80G
  • 训练时间:7 天
  • 训练数据:3.3T 个标记
  • 输出:针对输入生成的文本。
  • 日期:我们的模型是在 2024 年 2 月至 4 月期间训练的
  • 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 万亿个词元,是以下内容的组合:1)经过严格质量过滤的公开可用文档,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、对世界的一般知识(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,以反映人们对不同方面的偏好,例如遵循指示、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

此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 Microsoft 商标或徽标必须遵守并遵循Microsoft 商标和品牌指南。在修改后的项目版本中使用 Microsoft 商标或徽标不得造成混淆或暗示 Microsoft 赞助。对任何第三方商标或徽标的使用均应遵守该第三方的政策。

资源