Phi-3 是微软推出的轻量级 3B(小型)和 14B(中型)最先进的开源模型系列。

3.8b 14b

2.7M 3 个月前

自述文件

Phi-3 是微软开发的开源 AI 模型系列。

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 小型

Phi-3 小型是一个 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,其中包括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特性。

该模型经过了后期训练过程,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。

在评估针对测试常识、语言理解、数学、代码、长上下文和逻辑推理的基准时,Phi-3 小型-4K-Instruct 在参数量少于 130 亿的模型中展现出强大的最先进性能。

Phi-3 中型

Phi-3 中型是一个 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

该模型旨在用于英文的商业和研究用途。该模型为需要以下功能的应用提供用途:1) 内存/计算受限的环境 2) 延迟绑定场景 3) 强推理(特别是数学和逻辑) 4) 长上下文

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 驱动的功能的构建模块。

用例注意事项

我们的模型并非专门为所有下游用途而设计或评估。开发人员在选择用例时应考虑语言模型的常见局限性,并在特定下游用例中使用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、贸易合规法律等)。模型卡片中不应包含任何被解释为或被视为对模型发布的许可证的限制或修改的内容。

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运行。需要了解的一些限制行为包括

  • 服务质量:Phi 模型主要使用英文文本进行训练。非英语语言的性能会更差。训练数据中代表性不足的英语变体可能比标准美式英语的性能更差。

  • 危害的代表性和刻板印象的延续:这些模型可能会过度或不足地代表人群,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,但由于不同群体的代表性程度不同,或训练数据中存在反映现实世界模式和社会偏见的消极刻板印象示例,这些局限性可能仍然存在。

  • 不恰当或冒犯性的内容:这些模型可能会产生其他类型的 不恰当或冒犯性的内容,这可能使其不适合在敏感环境中部署,除非采取针对特定用例的额外缓解措施。

  • 信息可靠性:语言模型可能会生成毫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,并使用诸如“typing、math、random、collections、datetime、itertools”之类的常见包。如果模型生成使用其他包的 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 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)。

  • 高风险场景:开发人员应评估模型在高风险场景中的适用性,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大的损失或导致伤害。这包括在准确性和可靠性至关重要的敏感或专业领域(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来将响应建立在特定用例的上下文信息中,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,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 小型拥有 3.8B 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。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:对输入生成的响应文本
  • 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。随着我们改进模型,可能会发布经过微调的模型的未来版本。

数据集

我们的训练数据包括各种来源,总共 3.3 万亿个标记,是以下内容的组合:1) 经过严格质量过滤的公开可用文档,精选的优质教育数据和代码;2) 新创建的合成“类似教科书”的数据,用于教授数学、编码、常识推理、对世界的基本了解(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,以反映人们对不同方面的偏好,如遵循指示、真实性、诚实度和乐于助人。

软件

许可证

该模型使用 MIT 许可证 授权。

商标

本项目可能包含项目、产品或服务的商标或标识。授权使用微软商标或标识须遵守并遵循 微软商标和品牌指南。在本项目修改版本中使用微软商标或标识不得造成混淆或暗示微软赞助。任何第三方商标或标识的使用均须遵守该第三方的政策。

资源