微軟發(fā)布的Phi-3系列小模型，以其在手機(jī)上即可運行的強大性能，引起了AI界的廣泛關(guān)注。這一創(chuàng)新不僅展示了小模型的潛力，也對OpenAI的GPT-3.5提出了挑戰(zhàn)。

Llama 3發(fā)布剛幾天，微軟就出手截胡了？

剛剛發(fā)布的Phi-3系列小模型技術(shù)報告，引起AI圈熱議。

其中僅3.8B參數(shù)的Phi-3-mini在多項基準(zhǔn)測試中超過了Llama 3 8B。

為了方便開源社區(qū)使用，還特意設(shè)計成了與Llama系列兼容的結(jié)構(gòu)。

微軟這次打出“手機(jī)就能直接跑的小模型”的旗號，4bit量化后的phi-3-mini在iPhone 14 pro和iPhone 15使用的蘋果A16芯片上跑到每秒12 token。

這意味著，現(xiàn)在手機(jī)上能本地運行的最佳開源模型，已經(jīng)做到ChatGPT水平。

在技術(shù)報告中還玩了一把花活，讓phi-3-mini自己解釋為什么構(gòu)建小到手機(jī)能跑的模型很令人驚嘆。

除了mini杯之外，小杯中杯也一并發(fā)布：

Phi-3-small，7B參數(shù)，為支持多語言換用了tiktoken分詞器，并額外增加10%多語種數(shù)據(jù)。

Phi-3-medium，14B參數(shù)，在更多數(shù)據(jù)上訓(xùn)練，多數(shù)測試中已超越GPT-3.5和Mixtral 8x7b MoE。

（大杯他們目前不打算做）

作者陣容一看也不簡單，一眼掃過去MSRA和MSR雷蒙德團(tuán)隊都投入了不少人。

那么，Phi-3系列到底有什么獨特之處呢？

根據(jù)技術(shù)報告中披露，其核心秘訣就在于數(shù)據(jù)。

去年團(tuán)隊就發(fā)現(xiàn)，單純堆砌參數(shù)量并不是提升模型性能的唯一路徑。

反而是精心設(shè)計訓(xùn)練數(shù)據(jù)，尤其是利用大語言模型本身去生成合成數(shù)據(jù)，配合嚴(yán)格過濾的高質(zhì)量數(shù)據(jù)，反而能讓中小模型的能力大幅躍升。

也就是訓(xùn)練階段只接觸教科書級別的高質(zhì)量數(shù)據(jù)，Textbooks are all you need。

Phi-3也延續(xù)了這一思路，這次他們更是下了血本:

• 投喂了多達(dá)3.3萬億token的訓(xùn)練數(shù)據(jù)（medium中杯是4.8萬億）
• 大幅強化了數(shù)據(jù)的”教育水平”過濾
• 更多樣化的合成數(shù)據(jù)，涵蓋邏輯推理、知識問答等多種技能
• 獨特的指令微調(diào)和RLHF訓(xùn)練，大幅提升對話和安全性

舉個例子，比如某一天足球比賽的結(jié)果可能對于大模型是良好的訓(xùn)練數(shù)據(jù)，但微軟團(tuán)隊刪除了這些加強知識的數(shù)據(jù)，留下更多能提高模型推理能力的數(shù)據(jù)。

這樣一來，對比Llama-2系列，就可以用更小的參數(shù)獲得更高的MMLU測試分?jǐn)?shù)了。

不過小模型畢竟是小模型，也不可避免存在一些弱點。

微軟透露，模型本身參數(shù)中沒能力存儲太多事實和知識，這一點也可以從TriviaQA測試分?jǐn)?shù)低看出來。

緩解辦法就是聯(lián)網(wǎng)接入搜索引擎增強。

總之，微軟研究院團(tuán)隊是鐵了心了要在小模型+數(shù)據(jù)工程這條路上走下去，未來還打算繼續(xù)增強小模型的多語言能力、安全性等指標(biāo)。

對于開源小模型超過ChatGPT這回事，不少網(wǎng)友都認(rèn)為壓力現(xiàn)在給到OpenAI這邊，需要趕快推出GPT-3.5的繼任者了。

參考鏈接：

[1]https://arxiv.org/abs/2404.14219