微软推出iPhone能跑的ChatGPT级模型，网友：OpenAI得把GPT-3.5淘汰了

摘要： 安陵容成为演员陶昕然这一生都无法回避的一个重要角色人物虽然一度让她倍感困扰但终究还是成就了她她也是早已释怀了正如在甄嬛传开播十周年之际她说的那样这一角色给她带来过困扰但如今依旧感恩...

“安陵容”，成为演员陶昕然这一生都无法回避的一个重要角色人物。虽然一度让她倍感困扰，但终究还是成就了她，她也是早已释怀了。正如在《甄嬛传》开播十周年之际，她说的那样，这一角色给她带来过困扰，但如今依旧感恩与她的相遇。

声明：本文来自微信公众号“量子位”（ID:QbitAI），作者:关注前沿科技，授权 转载发布。

Llama3发布刚几天，微软就出手截胡了?

刚刚发布的Phi-3系列小模型技术报告，引起AI圈热议。

其中仅3.8B参数的Phi-3-mini在多项基准测试中超过了Llama38B。

为了方便开源社区使用，还特意设计成了与Llama系列兼容的结构。

微软这次打出“手机就能直接跑的小模型”的旗号，4bit量化后的phi-3-mini在iPhone14pro和iPhone15使用的苹果A16芯片上跑到每秒12token。

这意味着，现在手机上能本地运行的最佳开源模型，已经做到ChatGPT水平。

在技术报告中还玩了一把花活，让phi-3-mini自己解释为什么构建小到手机能跑的模型很令人惊叹。

除了mini杯之外，小杯中杯也一并发布:

Phi-3-small，7B参数，为支持多语言换用了tiktoken分词器，并额外增加10%多语种数据。

Phi-3-medium，14B参数，在更多数据上训练，多数测试中已超越GPT-3.5和Mixtral8x7b MoE。

（大杯他们目前不打算做）

作者阵容一看也不简单，一眼扫过去MSRA和MSR雷蒙德团队都投入了不少人。

那么，Phi-3系列到底有什么独特之处呢?

根据技术报告中披露，其核心秘诀就在于数据。

去年团队就发现，单纯堆砌参数量并不是提升模型性能的唯一路径。

反而是精心设计训练数据，尤其是利用大语言模型本身去生成合成数据，配合严格过滤的高质量数据，反而能让中小模型的能力大幅跃升。

也就是训练阶段只接触教科书级别的高质量数据，Textbooks are all you need。

Phi-3也延续了这一思路，这次他们更是下了血本:

投喂了多达3.3万亿token的训练数据（medium中杯是4.8万亿）

大幅强化了数据的”教育水平”过滤

更多样化的合成数据，涵盖逻辑推理、知识问答等多种技能

独特的指令微调和RLHF训练，大幅提升对话和安全性

举个例子，比如某一天足球比赛的结果可能对于大模型是良好的训练数据，但微软团队删除了这些加强知识的数据，留下更多能提高模型推理能力的数据。

这样一来，对比Llama-2系列，就可以用更小的参数获得更高的MMLU测试分数了。

不过小模型毕竟是小模型，也不可避免存在一些弱点。

微软透露，模型本身参数中没能力存储太多事实和知识，这一点也可以从TriviaQA测试分数低看出来。

缓解办法就是联网接入搜索引擎增强。

总之，微软研究院团队是铁了心了要在小模型+数据工程这条路上走下去，未来还打算继续增强小模型的多语言能力、安全性等指标。

对于开源小模型超过ChatGPT这回事，不少网友都认为压力现在给到这边，需要赶快推出GPT-3.5的继任者了。

参考链接:

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