/ Модель

Характеристики

Контекст
1 026 токенов
Параметры
153 млн
Лицензия
Apache 2.0
Архитектура
roberta · dense
Опубликована
30 апр 2024

unixcoder-base

ЭмбеддингиТекст → embedding3 профессии

UniXcoder-base — модель Microsoft для извлечения представлений кода и применения в задачах его понимания и поиска.

27скачиваний за 30 дней0лайковвеса обновлены4 июн 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.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — 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

UniXcoder-base — модель представлений кода, разработанная командой Microsoft и повторно опубликованная claudios в формате SafeTensors. Это модель на архитектуре RoBERTa с 152,7 млн параметров и контекстом до 1026 токенов; при предварительном обучении использовались код, комментарии к нему и AST. Модель предназначена для извлечения векторных представлений кода и последующего применения в задачах понимания и поиска фрагментов кода.

Модель поддерживает английский язык и ориентирована на работу с программным кодом. В карточке отмечены задачи понимания и генерации кода, а также поиск кода по коду; основной сценарий использования репозитория — извлечение признаков. Репозиторий является неофициальной перезагрузкой microsoft/unixcoder-base с исправлениями конфигурации; лицензия — Apache-2.0.

В описании результатов отмечено, что BLEU-4 для суммаризации и генерации кода несколько ниже, а качество поиска кода зависит от контрастивного обучения. Карточка предупреждает о возможных стереотипных и вредоносных смещениях в предсказаниях и содержит мало сведений о данных и оценке модели.

Сценарии применения

  • получение эмбеддингов фрагментов программного кода
  • поиск похожего кода по фрагменту кода
  • извлечение признаков для классификации кода
  • создание представлений кода для downstream-задач понимания

Ограничения

В карточке отмечено несколько более низкое качество BLEU-4 на суммаризации и генерации кода; также возможны стереотипные и вредоносные смещения. Сведения о тренировочных данных и широком наборе ограничений не приведены.

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

[!NOTE] This is an unofficial reupload of microsoft/unixcoder-base in the SafeTensors format using transformers 4.40.1. The goal of this reupload is to prevent older models that are still relevant baselines from becoming stale as a result of changes in HuggingFace. Additionally, I may include minor corrections, such as model max length configuration.

Original model card below:


Model Card for UniXcoder-base

Model Details

Model Description

UniXcoder is a unified cross-modal pre-trained model that leverages multimodal data (i.e. code comment and AST) to pretrain code representation.

  • Developed by: Microsoft Team
  • Shared by [Optional]: Hugging Face
  • Model type: Feature Engineering
  • Language(s) (NLP): en
  • License: Apache-2.0
  • Related Models:
    • Parent Model: RoBERTa
  • Resources for more information:

Uses

Direct Use

Feature Engineering

Downstream Use [Optional]

More information needed

Out-of-Scope Use

More information needed

Bias, Risks, and Limitations

Significant research has explored bias and fairness issues with language models (see, e.g., Sheng et al. (2021) and Bender et al. (2021)). Predictions generated by the model may include disturbing and harmful stereotypes across protected classes; identity characteristics; and sensitive, social, and occupational groups.

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

Training Details

Training Data

More information needed

Training Procedure

Preprocessing

More information needed

Speeds, Sizes, Times

More information needed

Evaluation

Testing Data, Factors & Metrics

Testing Data

More information needed

Factors

The model creators note in the associated paper:

UniXcoder has slightly worse BLEU-4 scores on both code summarization and generation tasks. The main reasons may come from two aspects. One is the amount of NL-PL pairs in the pre-training data

Metrics

The model creators note in the associated paper:

We evaluate UniXcoder on five tasks over nine public datasets, including two understanding tasks, two generation tasks and an autoregressive task. To further evaluate the performance of code fragment embeddings, we also propose a new task called zero-shot code-to-code search.

Results

The model creators note in the associated paper:

Taking zero-shot code-code search task as an example, after removing contrastive learning, the performance drops from 20.45% to 13.73%.

Model Examination

More information needed

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

  • Hardware Type: More information needed
  • Hours used: More information needed
  • Cloud Provider: More information needed
  • Compute Region: More information needed
  • Carbon Emitted: More information needed

Technical Specifications [optional]

Model Architecture and Objective

More information needed

Compute Infrastructure

More information needed

Hardware

More information needed

Software

More information needed

Citation

BibTeX:

@misc{https://doi.org/10.48550/arxiv.2203.03850,
 doi = {10.48550/ARXIV.2203.03850},
 
 url = {https://arxiv.org/abs/2203.03850},
 
 author = {Guo, Daya and Lu, Shuai and Duan, Nan and Wang, Yanlin and Zhou, Ming and Yin, Jian},
 
 keywords = {Computation and Language (cs.CL), Programming Languages (cs.PL), Software Engineering (cs.SE), FOS: Computer and information sciences, FOS: Computer and information sciences},
 
 title = {UniXcoder: Unified Cross-Modal Pre-training for Code 

Glossary [optional]

More information needed

More Information [optional]

More information needed

Model Card Authors [optional]

Microsoft Team in collaboration with Ezi Ozoani and the Hugging Face Team.

Model Card Contact

More information needed

How to Get Started with the Model

Use the code below to get started with the model.

from transformers import AutoTokenizer, AutoModel
 
tokenizer = AutoTokenizer.from_pretrained("microsoft/unixcoder-base")
 
model = AutoModel.from_pretrained("microsoft/unixcoder-base")
 

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaModel
Ревизия весов
94edd53

0 моделей