Phi-3 是微軟開發的一系列最先進的輕量級 3B (Mini) 和 14B (Medium) 開放模型。

3.8b 14b

2.9M 6 個月前

Readme

Phi-3 是微軟開發的一系列開放 AI 模型。

參數大小

上下文視窗大小

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 資料集進行訓練,該資料集包含合成資料和經過篩選的公開網站資料,重點關注高品質和推理密集特性。

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

在針對常識、語言理解、數學、程式碼、長上下文和邏輯推理進行基準測試時,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效能。

Phi-3 Medium

Phi-3 Medium 是一個 14B 參數語言模型,其效能優於 Gemini 1.0 Pro。

image.png

預期用途

主要使用案例

該模型旨在用於英語的商業和研究用途。 該模型為需要以下應用提供用途:1) 記憶體/運算受限環境 2) 延遲綁定情境 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,作為生成式 AI 驅動功能的建構模組。

使用案例考量

我們的模型並非專門為所有下游目的而設計或評估。 開發人員在選擇使用案例時應考慮語言模型的常見限制,並在使用於特定下游使用案例之前評估和減輕準確性、安全性和公平性,特別是對於高風險情境。 開發人員應注意並遵守適用於其使用案例的適用法律或法規(包括隱私、貿易合規法律等)。 本模型卡中包含的任何內容均不應被解釋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作。 需要注意的一些限制行為包括

  • 服務品質:Phi 模型主要使用英文文本進行訓練。 英語以外的語言效能會較差。 訓練資料中代表性較低的英語變體,其效能可能比標準美式英語差。

  • 危害的表示和刻板印象的延續:這些模型可能會過度或過少表示人群、消除某些人群的代表性,或強化貶低或負面的刻板印象。 儘管進行了安全後訓練,但由於不同群體代表性的程度不同,或反映真實世界模式和社會偏見的訓練資料中負面刻板印象範例的普遍性,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,除非有針對特定使用案例的額外緩解措施。

  • 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 的大部分訓練資料都基於 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的 Python 腳本,我們強烈建議使用者手動驗證所有 API 用法。

開發人員應採用負責任的 AI 最佳實務,並負責確保特定使用案例符合相關法律法規(例如隱私、貿易等)。 需要考量的重要領域包括:+ 分配:在沒有進一步評估和額外去偏見技術的情況下,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情境(例如:住房、就業、信貸等)。

  • 高風險情境:開發人員應評估在高風險情境中使用模型的適用性,在這些情境中,不公平、不可靠或冒犯性的輸出可能代價極高或導致傷害。 這包括在準確性和可靠性至關重要的敏感或專業領域提供建議(例如:法律或健康建議)。 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務,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,開發人員可以建置回饋機制和管道,以根據使用案例特定的上下文資訊來確定回應,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使用案例的自訂解決方案。

  • 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生產,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,是一個密集解碼器專用 Transformer 模型。 該模型使用監督式微調 (SFT) 和直接偏好最佳化 (DPO) 進行微調,以確保與人類偏好和安全指南保持一致。
  • 輸入:文字。 它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
  • 訓練資料: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 月期間接受訓練
  • 狀態:這是一個靜態模型,在截止日期為 2023 年 10 月的離線資料集上進行訓練。 隨著我們改進模型,未來可能會發布調校模型的版本。

資料集

我們的訓練資料包含各種來源,總計 3.3 兆個 tokens,並且是 1) 公開可用的文件,經過嚴格的品質篩選、精選的高品質教育資料和程式碼; 2) 為教學數學、程式碼編寫、常識推理、世界通用知識(科學、日常活動、心智理論等)而新建立的合成「教科書式」資料; 3) 高品質聊天格式監督資料,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 授權條款獲得授權。

商標

此專案可能包含專案、產品或服務的商標或標誌。 Microsoft 商標或標誌的授權使用受 Microsoft 商標和品牌指南的約束,並且必須遵循該指南。 在此專案的修改版本中使用 Microsoft 商標或標誌不得引起混淆或暗示 Microsoft 的贊助。 任何第三方商標或標誌的使用均受該第三方的政策約束。

資源