微软推出Phi-3 mini系列小型开源语言模型 可运行在手机上 性能超越Llama 3

微软推出的Phi-3系列小型开源语言模型,在多种语言、推理、编程和数学基准测试中展示了前所未有的性能,超越了相同大小及更大型号的其他模型。

Phi-3-mini3.8B 的参数,3.3T token 训练数据。在多个学术基准测试中,Phi-3-mini 性能接近或等同于市场上的大模型,例如在 MMLU 测试中得分为 69%,在 MT-bench 测试中得分为 8.38 分,和GPT-3.5和Mixtral 8x7B相当,甚至超过刚发布的Llama 3 8B。
Phi-3-small 和 Phi-3-medium这两个是扩展模型:Phi-3- Small 是 7B 参数,4.8T token 训练数据,MMLU 75%,MT-bench 8.7 分。

Phi-3- Medium 是 14B 参数,4.8T token 训练数据,MMLU 78%,MT-bench  8.9 分。

Phi-3系列主要特点:

  1. 多样化的型号选择:

    • Phi-3系列包括Phi-3-mini(3.8亿参数)、Phi-3-small(70亿参数)和Phi-3-medium(140亿参数)等多种型号,覆盖不同性能和成本需求。
    • 模型支持最长至128K令牌的上下文长度,Phi-3-mini是首款支持如此大上下文窗口的小型语言模型。
  2. 部署与兼容性:

    • 模型可在Microsoft Azure AI Studio、Hugging Face和Ollama平台上使用。
    • 支持ONNX Runtime优化,兼容Windows DirectML、跨平台的GPU、CPU以及移动硬件。
    • 同时作为NVIDIA NIM微服务提供,支持标准API接口,可在任何地方部署。
  3. Phi-3的优势:

    • 适用于资源受限环境,如设备内和离线推理场景。
    • 在延迟敏感场景中提供快速响应时间。
    • 在成本受限的用例中,尤其是任务较简单的场景中,提供低成本选择。

Phi-3-mini

该模型具有3.8亿参数,经过3.3万亿tokens的训练,表现与Mixtral 8x7B和GPT-3.5等模型相当(例如,phi-3-mini在MMLU上获得了69%的得分,在MT-bench上获得了8.38的得分),其体积小到足以部署在手机上。

  1. 本地语言处理和生成:PhonePhi-3-mini 能在手机上本地运行,不需要连接到云端服务器,能即时处理和生成语言。这对于需要保护隐私或在无网络环境下工作的应用尤其有价值。

Support authors and subscribe to content

This is premium stuff. Subscribe to read the entire article.

Subscribe

Gain access to all our Premium contents.
More than 100+ articles.
退出移动版