CodeGen — это семейство авторегрессионных языковых моделей для синтеза программ из статьи «Разговорная парадигма синтеза программ» Эрика Нейкампа, Бо Панга, Хироаки Хаяши, Лифу Ту, Хуан Вана, Инбо Чжоу, Сильвио Саварезе, Каймин Сюн. Модели изначально опубликованы в этом репозитории в трех вариантах данных предварительного обучения (NL, Multi, Mono) и четырех вариантах размера модели (350M, 2B, 6B, 16B). Контрольная точка, включенная в этот репозиторий, обозначена в документе как CodeGen-Mono 350M, где «Mono» означает, что модель инициализируется с помощью CodeGen-Multi 350M и дополнительно предварительно обучается на наборе данных языка программирования Python, а «350M» относится к количеству обучаемых параметров. Эта контрольная точка (CodeGen-Mono 350M) сначала была инициализирована с помощью CodeGen-Multi 350M, а затем предварительно обучена на наборе данных BigPython. Данные состоят из 71,7 млрд токенов языка программирования Python. Более подробную информацию см. в разделе 2.1 статьи. CodeGen был обучен с использованием перекрестной энтропийной потери, чтобы максимизировать вероятность последовательных входных данных. Семейство моделей обучается с использованием нескольких TPU-v4-512 от Google, используя параллелизм данных и моделей. Более подробную информацию см. в разделе 2.3 статьи. Мы оцениваем наши модели на…
Модальности:
Генерация текста
Задача: Генерация текста
Автор: Salesforce
Теги: codegen, endpoints_compatible
Лайков: 101 | Загрузок: 136,691
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
