微软推出Phi-3-mini迷你模型：苹果iPhone端侧就能运行，38亿参数规模就媲美GPT-3.5性能

Llama 3发布刚几天，微软就出手截胡了。

当地时间4月22日，微软推出了 Phi-3-Mini，这是一个在 3.3 万亿个代币的广泛数据集上训练的 38 亿参数规模的微型大模型。尽管体积小巧，但 Phi-3-Mini 的性能水平可与 Mixtral 8x7B 和 GPT-3.5 等等型号相媲美的大语言模型。

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Llama 3 8B。

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iPhone 14 Pro和iPhone 15搭载的苹果A16芯片上跑出了每秒12 Tokens的数据。

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（GPT-3.5）的水平。

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“迷你杯”之外，小杯中杯也一并发布：

据悉，大杯Phi-3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：

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OpenAI这边，需要赶快推出GPT-3.5的继任者了。