Phi-3 是微软开发的轻量级 3B (Mini) 和 14B (Medium) 最先进的开源模型系列。

3.8b 14b

2.9M 7 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 Mini

Phi-3 Mini 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,该数据集包括合成数据和经过过滤的公开网站数据,重点关注高质量和推理密集特性。

该模型经过后训练过程,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。

当根据测试常识、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 在参数小于 130 亿的模型中表现出强大而最先进的性能。

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。该模型为需要以下方面的应用程序提供用途:1) 内存/计算受限的环境 2) 延迟绑定场景 3) 强大的推理(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驱动功能的构建块。

用例注意事项

我们的模型并非专门设计或评估用于所有下游目的。开发人员应在选择用例时考虑语言模型的常见限制,并在特定下游用例中使用之前,评估并减轻其准确性、安全性和公平性,特别是对于高风险场景。开发人员应了解并遵守适用于其用例的相关法律或法规(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解释或视为对模型发布所依据的许可的限制或修改。

负责任的 AI 考虑因素

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。需要注意的一些限制行为包括

  • 服务质量:Phi 模型主要基于英语文本进行训练。英语以外的语言将体验到更差的性能。在训练数据中代表性较少的英语语言变体可能会体验到比标准美式英语更差的性能。

  • 危害的表示和刻板印象的延续:这些模型可能过度或不足地表示人群、消除某些人群的表示或强化贬低或负面的刻板印象。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,或者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,这些限制可能仍然存在。

  • 不适当或冒犯性内容:这些模型可能会生成其他类型的不适当或冒犯性内容,这可能使其不适合在敏感环境中部署,而无需针对该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捏造听起来合理但不准确或过时的内容。

  • 代码的范围有限:Phi-3 的大部分训练数据都基于 Python,并使用“typing、math、random、collections、datetime、itertools”等常用包。如果模型生成使用其他包或其他语言脚本的 Python 脚本,我们强烈建议用户手动验证所有 API 用途。

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和法规(例如,隐私、贸易等)。需要考虑的重要领域包括:+ 分配:如果没有进一步的评估和额外的去偏见技术,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)。

  • 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代价高昂或导致伤害。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)。应根据部署环境在应用程序级别实施其他安全措施。

  • 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,以将响应扎根于用例特定的上下文信息中,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。

  • 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成,开发人员应确保他们的应用程序不违反适用法律和法规。

训练

模型

  • 架构:Phi-3 Mini 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) 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:生成的文本以响应输入
  • 日期:我们的模型在 2024 年 2 月至 4 月之间进行训练
  • 状态:这是一个静态模型,在截止日期为 2023 年 10 月的离线数据集上进行训练。随着我们改进模型,未来版本的调整模型可能会发布。

数据集

我们的训练数据来源广泛,总计 3.3 万亿 tokens。它由以下部分组成:1) 严格筛选质量的公开文档、精选的高质量教育数据和代码;2) 为教学数学、编码、常识推理、世界通用知识(科学、日常活动、心理理论等)而新创建的合成的“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,以反映人类在诸如遵循指令、真实性、诚实性和乐于助人等不同方面的偏好。

软件

许可证

该模型已获得 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徽标。 对 Microsoft 商标或徽标的授权使用受 Microsoft 商标和品牌指南的约束并且必须遵循该指南。 在本项目的修改版本中使用 Microsoft 商标或徽标不得造成混淆或暗示 Microsoft 的赞助。 任何使用第三方商标或徽标的行为均应遵守这些第三方的政策。

资源