Phi-3 Technisch Rapport: Een Zeer Capabel Taalmodel Lokaal op Je Telefoon

Phi-3 Technical Report: A Highly Capable Language Model Locally on Your Phone

April 22, 2024

Auteurs: Marah Abdin, Sam Ade Jacobs, Ammar Ahmad Awan, Jyoti Aneja, Ahmed Awadallah, Hany Awadalla, Nguyen Bach, Amit Bahree, Arash Bakhtiari, Harkirat Behl, Alon Benhaim, Misha Bilenko, Johan Bjorck, Sébastien Bubeck, Martin Cai, Caio César Teodoro Mendes, Weizhu Chen, Vishrav Chaudhary, Parul Chopra, Allie Del Giorno, Gustavo de Rosa, Matthew Dixon, Ronen Eldan, Dan Iter, Abhishek Goswami, Suriya Gunasekar, Emman Haider, Junheng Hao, Russell J. Hewett, Jamie Huynh, Mojan Javaheripi, Xin Jin, Piero Kauffmann, Nikos Karampatziakis, Dongwoo Kim, Mahoud Khademi, Lev Kurilenko, James R. Lee, Yin Tat Lee, Yuanzhi Li, Chen Liang, Weishung Liu, Eric Lin, Zeqi Lin, Piyush Madan, Arindam Mitra, Hardik Modi, Anh Nguyen, Brandon Norick, Barun Patra, Daniel Perez-Becker, Thomas Portet, Reid Pryzant, Heyang Qin, Marko Radmilac, Corby Rosset, Sambudha Roy, Olli Saarikivi, Amin Saied, Adil Salim, Michael Santacroce, Shital Shah, Ning Shang, Hiteshi Sharma, Xia Song, Olatunji Ruwase, Xin Wang, Rachel Ward, Guanhua Wang, Philipp Witte, Michael Wyatt, Can Xu, Jiahang Xu, Sonali Yadav, Fan Yang, Ziyi Yang, Donghan Yu, Chengruidong Zhang, Cyril Zhang, Jianwen Zhang, Li Lyna Zhang, Yi Zhang, Yunan Zhang, Xiren Zhou

cs.AI

Samenvatting

We introduceren phi-3-mini, een taalmodel met 3,8 miljard parameters dat getraind is op 3,3 biljoen tokens, waarvan de algehele prestaties, gemeten aan de hand van zowel academische benchmarks als interne tests, wedijveren met modellen zoals Mixtral 8x7B en GPT-3.5 (bijvoorbeeld, phi-3-mini behaalt 69% op MMLU en 8,38 op MT-bench), ondanks het feit dat het klein genoeg is om op een telefoon te worden geïmplementeerd. De innovatie ligt volledig in onze dataset voor training, een opgeschaalde versie van die gebruikt voor phi-2, samengesteld uit sterk gefilterde webdata en synthetische data. Het model is verder afgestemd op robuustheid, veiligheid en chatformaat. We presenteren ook enkele initiële resultaten van parameterschaling met een 7B en 14B model getraind op 4,8T tokens, genaamd phi-3-small en phi-3-medium, beide aanzienlijk krachtiger dan phi-3-mini (bijvoorbeeld respectievelijk 75% en 78% op MMLU, en 8,7 en 8,9 op MT-bench).

English

We introduce phi-3-mini, a 3.8 billion parameter language model trained on 3.3 trillion tokens, whose overall performance, as measured by both academic benchmarks and internal testing, rivals that of models such as Mixtral 8x7B and GPT-3.5 (e.g., phi-3-mini achieves 69% on MMLU and 8.38 on MT-bench), despite being small enough to be deployed on a phone. The innovation lies entirely in our dataset for training, a scaled-up version of the one used for phi-2, composed of heavily filtered web data and synthetic data. The model is also further aligned for robustness, safety, and chat format. We also provide some initial parameter-scaling results with a 7B and 14B models trained for 4.8T tokens, called phi-3-small and phi-3-medium, both significantly more capable than phi-3-mini (e.g., respectively 75% and 78% on MMLU, and 8.7 and 8.9 on MT-bench).