Phi-3 是微軟開發的輕量級 3B (Mini) 和 14B (Medium) 最先進開放模型系列。

3.8b 14b

2.9M 6 個月前

說明文件

Phi-3 是微軟開發的開放 AI 模型系列。

參數大小

上下文窗口大小

注意:此模型 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 是一個 3.8B 參數、輕量級、最先進的開放模型,使用 Phi-3 數據集進行訓練,該數據集包括合成數據和經過濾的公開網站數據,重點關注高品質和推理密集屬性。

該模型經過後訓練流程,結合了監督式微調和直接偏好優化,以確保精確的指令遵循和穩健的安全措施。

當針對測試常識、語言理解、數學、程式碼、長上下文和邏輯推理的基準進行評估時,Phi-3 Mini-4K-Instruct 在參數少於 130 億的模型中展現了穩健且最先進的性能。

Phi-3 Medium

Phi-3 Medium 是一個 14B 參數的語言模型,其性能優於 Gemini 1.0 Pro。

image.png

預期用途

主要用例

該模型旨在用於英語的商業和研究用途。該模型適用於需要以下條件的應用:1) 記憶體/運算受限的環境 2) 延遲受限的場景 3) 強大的推理能力(尤其是數學和邏輯)4) 長上下文

我們的模型旨在加速語言和多模態模型的研究,用作生成式 AI 驅動功能的基礎組件。

用例注意事項

我們的模型並非專門為所有下游用途而設計或評估。開發人員在選擇用例時應考慮語言模型的常見限制,並在使用於特定下游用例(尤其是高風險場景)之前,評估和減輕其準確性、安全性和公正性。開發人員應了解並遵守適用於其用例的相關法律或法規(包括隱私、貿易合規法等)。本模型卡中包含的任何內容均不應被解釋為或視為對模型發布許可證的限制或修改。

負責任的 AI 考量

與其他語言模型一樣,Phi 系列模型可能會以不公平、不可靠或冒犯性的方式運行。需要注意的一些限制行為包括:

  • 服務品質:Phi 模型主要在英語文本上進行訓練。非英語語言的效能會較差。在訓練數據中代表性較低的英語語言變體,其效能可能比標準美式英語更差。

  • 危害的呈現與刻板印象的延續:這些模型可能會過度或過少呈現某些人群,抹殺某些群體的代表性,或強化貶低或負面的刻板印象。儘管進行了安全後訓練,但由於不同群體的代表性程度不同,或訓練數據中反映現實世界模式和社會偏見的負面刻板印象示例的普遍存在,這些限制可能仍然存在。

  • 不當或冒犯性內容:這些模型可能會產生其他類型的不當或冒犯性內容,這可能會使其不適合在敏感環境中部署,除非採取針對特定用例的額外緩解措施。

  • 資訊可靠性:語言模型可能會產生無意義的內容或捏造聽起來合理但不準確或過時的內容。

  • 程式碼的有限範圍:Phi-3 的大部分訓練數據基於 Python,並使用常見的套件,例如「typing、math、random、collections、datetime、itertools」。如果模型產生使用其他套件或以其他語言編寫的腳本,我們強烈建議使用者手動驗證所有 API 用法。

開發人員應應用負責任的 AI 最佳實踐,並負責確保特定用例符合相關法律法規(例如隱私、貿易等)。重要的考量領域包括:+ 分配:模型可能不適用於可能對法律地位或資源或生活機會分配產生重大影響的場景(例如:住房、就業、信貸等),除非經過進一步評估和額外的去偏見技術處理。

  • 高風險場景:開發人員應評估在高風險場景中使用模型的適用性,在這些場景中,不公平、不可靠或冒犯性的輸出可能會造成極其高昂的代價或導致傷害。這包括在準確性和可靠性至關重要的敏感或專業領域(例如:法律或醫療建議)提供建議。應根據部署環境在應用程式層級實施額外的安全措施。

  • 錯誤資訊:模型可能會產生不準確的資訊。開發人員應遵循透明度最佳實踐,並告知終端使用者他們正在與 AI 系統互動。在應用程式層級,開發人員可以建立回饋機制和管道,以基於用例特定的上下文資訊來驗證回應,這是一種稱為檢索增強生成 (RAG) 的技術。

  • 有害內容的產生:開發人員應評估輸出的上下文,並使用可用的安全分類器或適用於其用例的自訂解決方案。

  • 濫用:可能存在其他形式的濫用,例如詐欺、垃圾郵件或惡意軟體製作,開發人員應確保其應用程式不違反適用的法律法規。

訓練

模型

  • 架構:Phi-3 Mini 具有 3.8B 參數,是一個密集型僅解碼器 Transformer 模型。該模型經過監督式微調 (SFT) 和直接偏好優化 (DPO) 微調,以確保與人類偏好和安全準則對齊。
  • 輸入:文字。最適合使用聊天格式的提示。
  • 上下文長度:128K tokens
  • GPU:512 H100-80G
  • 訓練時間:7 天
  • 訓練數據:3.3T tokens
  • 輸出:針對輸入產生的文字
  • 日期:我們的模型在 2024 年 2 月至 4 月期間進行訓練
  • 狀態:這是一個靜態模型,在截至 2023 年 10 月的離線數據集上進行訓練。隨著我們改進模型,未來可能會發布調整模型的版本。

數據集

我們的訓練數據包括各種來源,總計 3.3 兆個 tokens,並且是以下項目的組合:1) 經過嚴格品質過濾的公開可用文件、選定的高品質教育數據和程式碼;2) 為教學數學、編碼、常識推理、世界常識(科學、日常活動、心智理論等)而新建立的合成「教科書式」數據;3) 高品質聊天格式的監督數據,涵蓋各種主題,以反映人類在不同方面的偏好,例如指令遵循、真實性、誠實和樂於助人。

軟體

授權條款

該模型根據 MIT 授權條款授權。

商標

本專案可能包含專案、產品或服務的商標或標誌。授權使用 Microsoft 商標或標誌受制於且必須遵循 Microsoft 商標和品牌指南。在本專案的修改版本中使用 Microsoft 商標或標誌不得造成混淆或暗示 Microsoft 贊助。任何使用第三方商標或標誌均受制於該第三方的政策。

資源