13b CodeLlama model finetuned on HQ + self-play augmented data to optimize C++ programs. For more details on how the data was collected and training was done, refer to this webpage.
Характеристики
- Контекст
- 16 384 токена
- Параметры
- 12,9 млрд
- Лицензия
- Llama 2
- Архитектура
- llama · dense
- Опубликована
- 5 мар 2024
Ссылки
pie-hq-selfplay-13b
Дообученная на данных высокого качества и self-play модель CodeLlama для генерации и оптимизации программ на C++.
14скачиваний за 30 дней0лайковвеса обновлены5 мар 2024
Бенчмарки
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Тесты пользователейпока нет
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
Публичные оценки
Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.
В подключённых источниках результатов для этой модели пока нет.
Что умеет модель
Описание составлено по карточке модели и метаданным Hugging Face
LearningOpt/pie-hq-selfplay-13b — дообученная модель семейства CodeLlama на высококачественных и дополненных методом self-play данных. Она предназначена для генерации и оптимизации программ на C++; подробности сбора данных и обучения автор приводит на связанной веб-странице. Модель построена на архитектуре Llama, содержит 12,9 млрд параметров и рассчитана на контекст до 16 384 токенов. Репозиторий содержит веса в формате safetensors.
Модель подходит для генерации вариантов C++ кода и помощи в его оптимизации. Лицензия — llama2. README не приводит сравнительных оценок качества или подробных ограничений, поэтому фактическую эффективность для конкретных задач следует проверять отдельно.
Сценарии применения
- генерация кода на C++
- оптимизация программ на C++
- предложение вариантов реализации алгоритмов на C++
Ограничения
README не сообщает результатов сравнительной оценки или конкретных ограничений; качество оптимизации для целевых программ и сред следует проверять отдельно.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.3Разработка и данныеРефакторинг, миграция и модернизацияAI помогает улучшать структуру программ и переносить их на новые технологии без потери поведения.20 задач9 764моделиII.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- LlamaForCausalLM
- Ревизия весов
- 036d6b4