掌握微软Phi-2模型：从深入解析到实际安装流程

Microsoft声称Phi-2的性能可以超过25倍其大小的大型语言模型。Phi-2可用于各种研究，如可解释性、安全性改进或微调实验。

Phi-2是一个基于Transformer的模型，具有下一个词预测的目标，它在多次对NLP和编码领域的综合合成数据集和Web数据集进行处理后，共训练了1.4T个令牌。Phi-2的训练在96个A100 GPU上进行了14天。Phi-2是一个基础模型，它没有经过基于人类反馈的增强学习（RLHF）的校准，也没有进行指导性的微调。

在多个基准测试中，Phi-2超过了同类小型语言模型的表现。

Phi-2在复杂的多步推理任务中优于规模大25倍的模型。

Phi-2与Google最近发布的Gemini Nano 2性能相当，尽管其规模更小。

基准测试涵盖多个项目：

• 大型语言模型难题基准测试（Big Bench Hard， 简称 BBH）
• 思维链（Chain of Thought， 简称 CoT）
• 物理互动问答（Physical Interaction Question Answering， 简称 PIQA）
• AI2推理挑战赛（AI2 Reasoning Challenge， 简称 ARC）简单版和挑战版
• 社会互动问答（Social Interaction Question Answering， 简称 SIQA）
• 开放书籍问答（OpenBookQA）
• 大规模多任务语言理解（Massive Multitask Language Understanding， 简称 MMLU）
• 斯坦福问答数据集第二版（Stanford Question Answering Dataset version 2， 简称 SQuADv2）
• 八年级数学8千题（Grade School math 8k， 简称 GSM8k）
• Python数学基准问题（Math Benchmark Problems for Python， 简称 MBPP）
• 人类评估（HumanEva）

下图是微软官网的实例图。

掌握了Phi-2的技术优势后，我们接下来看看如何在实际中安装和运用这一模型。

这里以Mac电脑为例。我用的是M1 Max 32G的Mac。

苹果公司近期宣布推出MLX，这是一款开源的阵列框架，专为Apple芯片上的机器学习应用而设计。MLX为开发者准备了一系列经典模型，如Llama、Mistral、Stable Diffusion和Whisper等，同时也兼容最新推出的Phi-2模型。

https://github.com/ml-explore/mlx-examples

https://github.com/ml-explore/mlx

1. 克隆仓库到你的本地环境：

git clone https://github.com/ml-explore/mlx-examples.git

2. 切换到 phi2 目录：

cd mlx-examples-main/phi2

3. 安装所需的依赖

pip install -r requirements.txt

4. 运行转换脚本以准备模型权重文件：

python convert.py

5. 安装完成后，你可以使用以下命令来生成文本：

python phi2.py

我在pip install -r requirements.txt过程中出现以下报错：

ERROR: Could not find a version that satisfies the requirement mlx (from versions: none)

ERROR: No matching distribution found for mlx

故障原因如下：

地址：https://ml-explore.github.io/mlx/build/html/install.html#

解决方法：

安装好后，运行python phi2.py，如果出现以下内容，则说明安装成功：

问问题：

python phi2.py --prompt <your prompt here> --max_tokens <max_tokens_to_generate>

实测，中文效果支持不好。

同一问题，英文提问回答：

当设置的输出长度超出它的正常回答答案时，它就显示无关的信息。

Phi-2回答问题时，我观察了下，占用电脑20G的内存，在我的电脑上生成速度和我用GPT4差不多。用惯了GPT4的话再用Phi-2对于生成内容质量可能不习惯。Phi-2上下文长度：2048 tokens。

还有一点需要注意：Phi-2只能用于研究目的，不支持商用。

不过本地部署还是有很多想象力的，正如微软官方文章里说Phi-2可用于各种研究，如可解释性、安全性改进或微调实验，还是有其重要意义的。

延伸阅读：

Phi-2的局限性

生成不准确的代码和事实：模型可能产生不正确的代码片段和声明。用户应将这些输出视为建议或起点，而不是作为确定的或准确的解决方案。

代码的有限范围：Phi-2的大部分训练数据基于Python并使用常用的包，例如“typing, math, random, collections, datetime, itertools”。如果模型生成使用其他包的Python脚本或其他语言的脚本，微软强烈推荐用户手动验证所有API的使用。

对指令的不可靠响应：模型尚未经过指令微调。因此，它可能在遵循用户提供的复杂或微妙指令时遇到困难或失败。

语言限制：该模型主要设计用于理解标准英语。非正式英语、俚语或其他语言可能会对其理解构成挑战，导致潜在的误解或响应错误。

潜在的社会偏见：尽管在确保训练数据安全方面做出了努力，Phi-2并非完全没有社会偏见。如果被提示或指导这样做，它可能生成反映这些社会偏见的内容。我们敦促用户意识到这一点，并在解释模型输出时保持谨慎和批判性思维。

有害内容：尽管经过精心挑选的数据训练，如果模型被明确提示或指导产生有害内容，它仍然可以产生有害内容。我们选择仅为研究目的发布该模型——我们希望帮助开源社区开发最有效的方法，以在预训练之后直接减少模型的有害性。（这一点可能是优势）

冗长：作为一个基础模型的Phi-2在其对用户提示的第一个回答之后，经常会在单次交互中产生无关或额外的文本和响应。这是因为其训练数据集主要是教科书，导致产生类似教科书的回应。