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源人工智能模型。

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 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,该数据集包含合成数据和经过过滤的公开可用的网站数据,重点是高质量和推理密集型特性。

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从性和强大的安全措施。

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 在参数量少于 130 亿的模型中展现出强劲且最先进的性能。

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

该模型适用于英文商业和研究用途。该模型提供用于需要 1) 内存/计算受限环境 2) 延迟受限场景 3) 强推理(特别是数学和逻辑) 4) 长上下文的应用程序。

我们的模型旨在加速语言和多模态模型的研究,作为生成式 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规或条例(包括隐私、贸易合规法等)。模型卡中的任何内容均不应被解释为或被视为对模型发布所依据的许可证的限制或修改。

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。除英语以外的语言将出现较差的性能。英语语言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。

  • 对伤害的代表性和对刻板印象的延续:这些模型可能过度或不足地代表人群,消除对某些群体的代表性,或强化贬低或负面的刻板印象。尽管经过安全的后训练,由于不同群体代表性的不同程度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,这可能使其不适合在没有针对用例的额外缓解措施的情况下部署到敏感的上下文中。

  • 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:大多数 Phi-3 训练数据基于 Python,并使用“typing、math、random、collections、datetime、itertools”等常见软件包。如果模型生成的 Python 脚本使用了其他软件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。

开发人员应采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)。需要考虑的重要方面包括:+ 分配:如果没有进一步的评估和额外的去偏技术,模型可能不适用于可能会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)。

  • 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,在这种场景中,不公平、不可靠或冒犯性的输出可能会造成巨大的损失或导致伤害。这包括在需要准确性和可靠性的敏感或专家领域提供建议(例如法律或健康建议)。应根据部署环境在应用程序级别实施额外的保护措施。

  • 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,以将响应落地到特定用例的上下文信息中,这种技术称为检索增强生成 (RAG)。

  • 生成有害内容: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:可能存在其他形式的滥用,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法规或条例。

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。该模型通过监督微调 (SFT) 和直接偏好优化 (DPO) 进行微调,以确保与人类偏好和安全准则保持一致。
  • 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:响应输入生成的文本
  • 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。随着我们改进模型,可能会发布未来版本的微调模型。

数据集

我们的训练数据包括各种来源,总计 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的文档,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、世界一般知识(科学、日常活动、心智理论等)而新创建的合成“教科书式”数据;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,例如遵循指令、真实性、诚实度和有用性。

软件

许可证

该模型在 MIT 许可证 下获得许可。

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该第三方政策的约束。

资源