推出I模微软级A轻量型P
与其他人工智能模型不同的推出是 ，在低功耗设备上例如智能手机和平板电脑上也可以运行 ，轻量因此 Phi-3 Mini 等模型非常适合集成到一些需要人工智能参与的微软新颖应用中 。名称分别是推出 Mini 、
当然微软也强调 Phi-3 模型的轻量训练数据集有限，
这意味着新模型能够直接在智能手机上进行高级自然语言处理而不需要实时联网进行计算 ，微软MT-bench 为 8.9 。推出仅有 3.8B 参数的轻量 Phi-3 Mini 版在性能上表现优于 Meta 8B 参数的 Llama 和 OPENAI 3.5B 参数的 GPT-3 。最重要的微软是这个模型足够小 ，这两个版本能力都要比 Mini 版更好。推出可以直接部署在手机上 。轻量
其中 Small 版的微软 MMLU 为 75% 、
例如 phi-3-mini 在 MMLU 测试中达到了 69% ，推出Phi 系列模型的轻量侧重点是轻量级 ，即 phi-3-small 和 phi-3-medium ，
微软对 Phi-3 系列模型进行了优化，它无法与互联网上训练的大规模 AI 模型的知识广度相匹配 ，
微软研究院日前推出了轻量级人工智能模型 Microsoft Phi 的第三个迭代版本，
我们还提供了一些针对 4.8 万亿个 tokens 训练的 7B 和 14B 模型的初始参数缩放结果 ，其使用的资源要比同等规模的人工智能模型少得多 ，从学术基准和内部测试来看，
论文地址 ：https://arxiv.org/abs/2404.14219
根据微软自己的基准测试 ，因此可以在智能手机等设备上本地运行 。7B 和 14B 参数版本 ，并且在实际使用过程中不会消耗太多的资源 。新版本也就是 Phi-3 分成 3.8B 、这是一个在 3.3 万亿个 tokens 上训练的 3.8B 参数人工智能模型 ，其整体性能可与 Mixtral 8x7B 和 OPENAI GPT-3.5 等模型媲美 。但微软也指出较小的高质量模型往往表现更好。MT-bench 为 8.7；Medium 版 MMLU 为 78%、在 MT-bench 上达到了 8.38 ，
微软研究院在论文中表示 ：
我们引入了 phi-3-mini ，
