Codellama 13b Instruct Hf

🚀 Code Llama

Code Llama是一系列預訓練和微調的生成式文本模型，參數規模從70億到340億不等。本倉庫是採用Hugging Face Transformers格式的130億參數指令微調版本。該模型專為通用代碼合成和理解而設計。其他模型的鏈接可在底部索引中找到。

🚀 快速開始

若要使用此模型，請確保安裝transformers：

pip install transformers.git accelerate

模型能力：

• [x] 代碼補全。
• [x] 代碼填充。
• [x] 指令響應 / 聊天。
• [ ] Python專業處理。

✨ 主要特性

模型開發者

Meta

模型變體

Code Llama有三種模型大小和三種變體：

• Code Llama：基礎模型，用於通用代碼合成和理解。
• Code Llama - Python：專門為Python設計。
• Code Llama - Instruct：用於遵循指令和更安全的部署。

所有變體都有70億、130億和340億參數的版本。

本倉庫模型

本倉庫包含130億參數的指令微調版本模型。

輸入輸出

• 輸入：模型僅接受文本輸入。
• 輸出：模型僅生成文本。

模型架構

Code Llama是一個自迴歸語言模型，採用了優化的Transformer架構。

模型訓練時間

Code Llama及其變體於2023年1月至2023年7月期間進行訓練。

模型狀態

這是一個基於離線數據集訓練的靜態模型。隨著我們根據社區反饋改進模型安全性，未來將發佈Code Llama - Instruct的更新版本。

許可證

自定義商業許可證可在以下鏈接獲取：https://ai.meta.com/resources/models-and-libraries/llama-downloads/

研究論文

更多信息可在論文“Code Llama: Open Foundation Models for Code”或其arXiv頁面中找到。

📚 詳細文檔

預期用途

預期用例

Code Llama及其變體旨在用於英語和相關編程語言的商業和研究用途。基礎模型Code Llama可用於各種代碼合成和理解任務，Code Llama - Python專門處理Python編程語言，而Code Llama - Instruct旨在更安全地用於代碼助手和生成應用程序。

非預期用途

• 以任何違反適用法律法規（包括貿易合規法律）的方式使用。
• 使用英語以外的語言。
• 以Code Llama及其變體的可接受使用政策和許可協議禁止的任何其他方式使用。

硬件和軟件

訓練因素

我們使用了自定義訓練庫。發佈的模型的訓練和微調是在Meta的研究超級集群上進行的。

碳足跡

總體而言，訓練所有9個Code Llama模型需要在A100 - 80GB（熱設計功耗350 - 400W）硬件上進行400,000 GPU小時的計算。估計總排放量為65.3噸二氧化碳當量，其中100%由Meta的可持續發展計劃抵消。

訓練數據

此處報告的所有實驗和發佈的模型都是使用與Llama 2相同的數據進行訓練和微調的，但權重不同（詳情請參閱研究論文的第2節和表1）。

評估結果

請參閱研究論文第3節中主要模型的評估和詳細消融實驗，以及第4節中的安全評估。

倫理考量和侷限性

Code Llama及其變體是一項新技術，使用時存在風險。到目前為止進行的測試都是用英語進行的，無法涵蓋所有場景。因此，與所有大語言模型一樣，Code Llama的潛在輸出無法提前預測，在某些情況下，模型可能會對用戶提示產生不準確或令人反感的響應。因此，在部署Code Llama的任何應用程序之前，開發人員應針對其特定的模型應用進行安全測試和調整。

請參閱負責任使用指南。

📄 許可證

自定義商業許可證可在以下鏈接獲取：https://ai.meta.com/resources/models-and-libraries/llama-downloads/

模型變體表格

模型鏈接表格

⚠️ 重要提示

這是非官方的Code Llama倉庫。你可以在Meta Llama組織中找到官方的Meta倉庫。