极客说｜Phi-4 模型的 4 位量化与 vLLM 高速推理

Phi-4 的模型参数量是 14B，这使它在推理的时候比较耗费内存。因此如果我们想要在边缘端运行，需要对它进行量化。量化的手段很多，此前也介绍过，使用 Auto-Round GTPQ 格式的方法量化即可。

我们看一下量化到四位以后，推理时占用的显存以及效果。

针对量化版本，我写了一个 vLLM 推理的程序，推理速度很快，占用 11GB 显存，推理的结果也很准确。这样我们就可以在消费显卡上运行 Phi-4 了。

推理代码见 repo：

https://github.com/xinyuwei-david/david-share.git 下的

DeepLearning/Phi4

接下来，我将介绍 Phi-4 整体的架构。

近期，微软推出了最新的大型语言模型 Phi-4，它在保持相对较小参数规模的情况下，展示了令人瞩目的性能。Phi-4 通过创新的训练方法和高质量的数据，在多个自然语言处理任务中取得了优异的成绩。本文将详细介绍 Phi-4 的模型架构、训练策略、性能表现，以及如何在本地计算机上对其进行微调。

Phi-4 简介

Phi-4 是微软 Phi 系列模型的最新成员，参数量为 140 亿。这一规模在大型语言模型中属于中等，但 Phi-4 通过精心设计的训练流程和数据，展现出了与更大参数量模型相媲美的性能。

模型架构与特点

• 基于 Transformer 的架构

Phi-4 采用了经典的 Transformer 解码器架构，共有 40 层网络结构。这种架构在自然语言处理任务中被证明是高效且有效的，能够捕捉文本序列中的长期依赖关系。

• 上下文长度的扩展

初始的 Phi-4 支持 4,096 个 Token 的上下文长度。在中期训练阶段，微软将上下文长度扩展到了 16,000 个 Token，使得模型能够处理更长的文本输入，适应更多样化的任务需求。

• 分词器与词汇表

Phi-4 使用了 OpenAI 的 tiktoken 分词器，词汇表大小为 100,352。这一选择兼顾了多语言支持和分词效果的优化。

• 注意力机制与位置编码

Phi-4 在模型中使用了全局注意力机制（Full Attention），对整个上下文序列进行自注意力计算。此外，模型采用了旋转位置编码（RoPE）并在中期训练中调整了基频，以适应更长的上下文长度。

创新的训练策略

• 合成数据的广泛应用

与传统模型主要依赖互联网抓取的数据不同，Phi-4 大量使用了合成数据进行训练。微软通过多种技术生成了大约 4,000 亿个 Token 的高质量合成数据，包括：

• 多代理提示：利用多个语言模型生成多样化的数据。

• 自我修正流程：模型生成初始输出后，进行自我评估和修正。

• 指令反转：从已有的输出生成对应的输入指令，增强模型的指令理解能力。

合成数据具有结构化、渐进式的特点，能够引导模型逐步学习复杂的推理和问题解决能力。

• 精选的有机数据

除了合成数据，Phi-4 还从多种来源精心挑选了高质量的有机数据，如网页内容、书籍、代码库和问答集合。通过严格的过滤和去重，确保了数据的高质量和多样性。

• 多阶段训练流程

Phi-4 的训练分为多个阶段：

• 预训练阶段：建立模型的基础语言理解能力，使用了约 10 万亿个 Token 的数据。

• 中期训练阶段：扩展上下文长度至 16,000 个 Token，进一步提升模型的性能。

• 后训练阶段（微调）：通过监督微调（SFT）和直接偏好优化（DPO）等方法，优化模型的输出，使其更符合人类的偏好。

先进的训练技术

• 关键 Token 搜索（PTS）

PTS 是一种创新的训练方法，通过识别对模型输出影响最大的关键 Token，针对性地优化模型在这些位置的预测。这种方法提高了训练效率，增强了模型在关键决策点上的表现。

• 改进的直接偏好优化（DPO）

在 DPO 过程中，Phi-4 结合了 PTS 方法，使用高质量的偏好数据优化模型的输出。通过评估模型在关键 Token 上的表现，进一步提升了优化效果。

性能评估

• 外部评测基准

Phi-4 在多个公开的评测基准上表现出色：

• MMLU：在多任务语言理解测试中取得了优异成绩。

• GPQA：在研究生水平的 STEM 问答中表现突出。

• MATH：在数学问题解决方面展现了强大的能力。

• HumanEval：在代码生成和理解任务中超越了同等规模的模型。

• 内部评测套件（PhiBench）

微软开发了内部评测套件 PhiBench，涵盖了代码调试、代码补全、数学推理等任务，帮助团队深入了解模型的能力和不足，并有针对性地进行改进。

模型的局限性

尽管 Phi-4 性能强大，但仍存在一些局限性：

• 指令遵循能力：在严格格式化输出方面表现不佳。

• 冗长的回答：有时会对简单问题给出过于详细的答案。

• 对话能力：优化于单轮查询，缺乏持续对话的能力。

这些局限性主要源于模型的训练重点在于推理和问题解决，而非对话或指令遵循。

更多精彩内容请点击下载

《极客说｜微软新模型：Phi-4 来了》

《利用 AI 和 DevOps 重新定义开发人员体验》

《SAP on Microsoft Cloud》

《智能GitHub Copilot副驾驶®提示和技巧》