/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
454 млн
Архитектура
gpt_neox · dense
Опубликована
20 окт 2022

PolyCoder-0.4B

Генерация текстаТекст → текст3 профессии

Компактная GPT-NeoX-модель, обученная на коде и предназначенная для генерации программного кода по текстовому контексту.

384скачиваний за 30 дней5лайковвеса обновлены21 окт 2022

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.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. 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

PolyCoder-0.4B — языковая модель для генерации кода, представленная в исследовании «A Systematic Evaluation of Large Language Models of Code». Модель разработана исследовательской группой PolyCoder и содержит 454,2 млн параметров; архитектура — плотная GPT-NeoX с авторегрессионной генерацией текста.

Модель обучена на 249 ГБ кода на 12 языках программирования и предназначена для генерации продолжения кода по текстовому контексту. Её можно применять для предложений кода и экспериментальной оценки языковых моделей кода. Контекст модели — до 2048 токенов. Репозиторий содержит веса PyTorch; для использования README указывает Transformers версии не ниже 4.23.0.

Карточка не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя. Модель компактнее крупных кодовых моделей, но ограниченный размер и контекст могут снижать качество на сложных задачах и больших фрагментах кода; результаты также зависят от поддерживаемых обучением языков программирования.

Сценарии применения

  • генерация продолжения исходного кода
  • получение предложений кода по контексту
  • экспериментальное сравнение языковых моделей для кода

Ограничения

Контекст ограничен 2048 токенами, а модель содержит 454,2 млн параметров, что может ограничивать качество на сложных задачах. Лицензия и конкретный перечень 12 языков программирования в предоставленных материалах не указаны.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This is a PolyCoder model with 0.4B parameters, presented in the paper "A Systematic Evaluation of Large Language Models of Code" (MAPS'2022 and ICLR'2022 Workshop Deep Learning 4 Code).

The model was trained on 249 GB of code across 12 programming languages.

Note - this model requires transformers version of at least 4.23.0:

pip install transformers==4.23.0

For more information, see: https://github.com/VHellendoorn/Code-LMs

If you use this model, please cite:

@inproceedings{
  xu2022polycoder,
  title={A Systematic Evaluation of Large Language Models of Code},
  author={Frank F. Xu and Uri Alon and Graham Neubig and Vincent Josua Hellendoorn},
  booktitle={Deep Learning for Code Workshop},
  year={2022},
  url={https://openreview.net/forum?id=SLcEnoObJZq}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPTNeoXForCausalLM
Ревизия весов
f1b0479

0 моделей