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-NL 16B, где «NL» означает, что она предварительно обучена в куче, а «16B» относится к количеству обучаемых параметров. Эта контрольная точка (CodeGen-NL 16B) была предварительно обучена на Pile — крупномасштабном наборе данных, созданном EleutherAI. Части набора данных включают данные кода. 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 с помощью двух тестов генерации кода: HumanEval и MTPB. Пожалуйста, обратитесь к документу для более подробной информации. Будучи авторегрессионной языковой моделью, CodeGen способен извлекать функции…
Модальности:
Генерация текста
Задача: Генерация текста
Автор: Salesforce
Теги: codegen, endpoints_compatible
Лайков: 18 | Загрузок: 4,477
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
