Phi-3 是微软推出的一系列轻量级 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 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可用的网站数据,重点关注高质量和推理密集型属性。

该模型经历了包括监督微调和直接偏好优化在内的后期训练过程,以确保对指令的精确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测试进行评估时,Phi-3 Mini-4K-Instruct 在参数少于 130 亿个的模型中展示了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,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) 延迟绑定场景 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 驱动的功能的构建块。

用例注意事项

我们的模型并非专门针对所有下游目的进行设计或评估。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减轻准确性、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均不应被解释为或被视为对模型发布许可的限制或修改。

负责任的 AI 注意事项

与其他语言模型一样,Phi 系列模型可能在某些方面表现出不公平、不可靠或冒犯性的行为。一些需要注意的限制性行为包括

  • 服务质量:Phi 模型主要针对英语文本进行训练。英语以外的语言将体验到更差的性能。训练数据中代表性较低的英语变体可能会比标准美式英语体验到更差的性能。

  • 伤害的代表和刻板印象的延续:这些模型可能会过度或不足地代表人群,消除对某些群体的代表性,或强化贬损或消极的刻板印象。尽管经过安全后期训练,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:这些模型可能会产生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的上下文中部署,除非采取针对特定用例的其他缓解措施。

  • 信息可靠性:语言模型可以生成无意义的内容或编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 训练数据的多数是基于 Python 的,并使用诸如“typing、math、random、collections、datetime、itertools”等常用包。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。

开发人员应应用负责任的 AI 最佳实践,并有责任确保特定用例符合相关的法律和法规(例如隐私、贸易等)。需要考虑的重要方面包括:+ 分配:模型可能不适合可能对法律地位或资源或生活机会的分配产生重大影响的场景(例如住房、就业、信贷等),除非进行进一步的评估和额外的去偏技术。

  • 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非常昂贵或导致损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业领域提供建议(例如法律或医疗建议)。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,以将响应基础于特定于用例的上下文信息,这种技术称为检索增强生成 (RAG)。

  • 生成有害内容:开发人员应评估其上下文的输出,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的生产,也可能是可能的,开发人员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 个令牌
  • GPU:512 H100-80G
  • 训练时间:7 天
  • 训练数据:3.3T 个令牌
  • 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:这是一个在具有 2023 年 10 月截止日期的离线数据集中训练的静态模型。随着模型的改进,我们可能会发布调整模型的未来版本。

数据集

我们的训练数据包括各种来源,总计 3.3 万亿个令牌,是以下内容的组合:1) 经过严格过滤以保证质量的公开可用的文档,选择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) 高质量的聊天格式监督数据,涵盖各种主题,以反映人类对不同方面的偏好,例如指令遵循、真实性、诚实和帮助性。

软件

许可证

该模型根据 MIT 许可证 进行许可。

商标

本项目可能包含项目、产品或服务的商标或徽标。授权使用 Microsoft 商标或徽标须遵守并遵循 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 的赞助。任何第三方商标或徽标的使用均受这些第三方的政策约束。

资源