/ Модель

Характеристики

Опубликована
13 мар 2023

starencoder

Языковая модель5 профессий

StarEncoder — двунаправленная BERT-подобная модель BigCode для анализа кода и дообучения под задачи классификации и обработки текста.

283скачиваний за 30 дней58лайковвеса обновлены10 мая 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

StarEncoder — разработанная проектом BigCode модель на базе трансформера с двунаправленным вниманием, обученная на коде из набора The Stack. Она использует цели MLM и NSP в стиле BERT: восстанавливает замаскированные токены и определяет, идут ли две последовательности рядом в документе. Модель обучали на коде 86 языков программирования, а максимальная длина последовательности составляет 1 024 токена.

StarEncoder предназначена как основа для дообучения под задачи анализа кода и текста, включая классификацию токенов; в README приведён пример обнаружения персональных данных в коде. Это модель-энкодер, поэтому она подходит для представлений и анализа входного текста, но менее гибка для генерации и дополнения кода. В обучающих данных могли встречаться персональные данные, а качество может различаться между языками программирования. Файлы модели опубликованы в формате PyTorch; условия лицензии в предоставленных данных не описаны.

Сценарии применения

  • классификация токенов в исходном коде
  • поиск персональных данных в коде после дообучения
  • анализ последовательностей кода
  • дообучение для задач обработки текста и кода

Ограничения

Архитектура энкодера ограничивает пригодность модели для генерации и дополнения кода. Обучающие данные могли содержать персональные данные; качество может быть ниже для редких языков программирования и областей вне программирования.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

StarEnCoder

Table of Contents

  1. Model Summary
  2. Training
  3. Use
  4. Limitations
  5. License

Model Summary

This is an encoder-only model (i.e., bi-directionally self-attentive Transformers) trained on The Stack dataset.

We leveraged the :

  • Masked Language Modelling (MLM) and Next Sentence Prediction (NSP) objectives from BERT.
  • Predicted masked-out tokens from an input sentence and whether a pair of sentences occur as neighbors in a document.

Training

We train for 100,000 steps with a global batch size of 4,096 sequences of a maximum length of 1,024 so that approximately 400B~tokens are observed. This takes roughly two days using 64 NVIDIA A100 GPUs. Details about the model architecture are reported in the table below.

HyperparameterValue
Hidden size768
Intermediate size3072
Max. position embeddings1024
Num. of attention heads12
Num. of hidden layers12
AttentionMulti-head
Num. of parameters≈125M

Use

This model is trained on 86 programming languages from GitHub code including GitHub issues and Git Commits, and can be efficiently fine-tuned for both code- and text-related tasks. We fine-tuned on a token classification task to detect PII and have released StaPII model.

Limitations

There are limitations to consider when using StarEncoder. It is an encoder-only model, which limits its flexibility in certain code generation or completion tasks, and it was trained on data containing PII, which could pose privacy concerns. Performance may vary across the 80+ supported programming languages, particularly for less common ones, and the model might struggle with understanding domains outside programming languages.

License

The model is licensed under the BigCode OpenRAIL-M v1 license agreement. You can find the full agreement here.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Доступ к модели ограничен автором; у платформы нет доступа к весам.

Ревизия весов
ad54e8b

0 моделей