/ Модель

Характеристики

Контекст
16 384 токена
Параметры
6,6 млрд
Размер весов
27 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
19 фев 2024

OpenCodeInterpreter-DS-6.7B

Генерация текстаТекст → текст8 профессий

Диалоговая модель на основе DeepSeek Coder для генерации кода и помощи в программировании с поддержкой выполнения и доработки кода в соответствующей системе.

308скачиваний за 30 дней139лайковвеса обновлены3 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.

  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 оценки4

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • humaneval

    pass@1 · выше — лучше

    Результат

    77,4 %

    EvalPlus

    Публичная таблицаревизия не подтверждена

  • mbpp

    pass@1 · выше — лучше

    Результат

    76,5 %

    EvalPlus

    Публичная таблицаревизия не подтверждена

  • mbpp+

    pass@1 · выше — лучше

    Результат

    66,4 %

    EvalPlus

    Публичная таблицаревизия не подтверждена

  • humaneval+

    pass@1 · выше — лучше

    Результат

    72 %

    EvalPlus

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

OpenCodeInterpreter-DS-6.7B — модель генерации кода из семейства OpenCodeInterpreter, разработанная для объединения генерации кода с его выполнением и последующей доработкой по результатам. Она основана на DeepSeek Coder 6.7B Base и использует плотную архитектуру LlamaForCausalLM с 6,6 млрд параметров. Модель принимает текстовые запросы и генерирует код и ответы в диалоговом формате; заявленный контекст составляет 16 384 токена. В карточке приведены результаты на HumanEval и MBPP: 76,2 и 73,9 соответственно для указанных основных вариантов тестов.

Модель подходит для написания кода по описанию задачи и интерактивной помощи в программировании. README описывает выполнение и итеративную доработку как возможности семейства; доступность внешнего исполнителя зависит от используемой системы. Модель распространяется по лицензии Apache 2.0.

Сценарии применения

  • генерация кода по текстовому описанию
  • написание функций и решений задач программирования
  • диалоговая помощь при разработке
  • итеративная доработка кода по результатам выполнения во внешней системе

Ограничения

Модель ориентирована на программирование, а не на задачи общего назначения. Выполнение кода требует подходящей внешней среды; README не уточняет доступность такого исполнителя в самой модели.

Для каких профессий подходит8

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

Introduction

OpenCodeInterpreter is a family of open-source code generation systems designed to bridge the gap between large language models and advanced proprietary systems like the GPT-4 Code Interpreter. It significantly advances code generation capabilities by integrating execution and iterative refinement functionalities.

For further information and related work, refer to our paper: "OpenCodeInterpreter: A System for Enhanced Code Generation and Execution" available on arXiv.

Model Information

This model is based on deepseek-coder-6.7b-base.

Benchmark Scores

The OpenCodeInterpreter Models series exemplifies the evolution of coding model performance, particularly highlighting the significant enhancements brought about by the integration of execution feedback. In an effort to quantify these improvements, we present a detailed comparison across two critical benchmarks: HumanEval and MBPP. This comparison not only showcases the individual performance metrics on each benchmark but also provides an aggregated view of the overall performance enhancement. The subsequent table succinctly encapsulates the performance data, offering a clear perspective on how execution feedback contributes to elevating the models' capabilities in code interpretation and execution tasks.

BenchmarkHumanEval (+)MBPP (+)Average (+)
OpenCodeInterpreter-DS-1.3B65.2 (61.0)63.4 (52.4)64.3 (56.7)
+ Execution Feedback65.2 (62.2)65.2 (55.6)65.2 (58.9)
OpenCodeInterpreter-DS-6.7B76.2 (72.0)73.9 (63.7)75.1 (67.9)
+ Execution Feedback81.1 (78.7)82.7 (72.4)81.9 (75.6)
+ Synth. Human Feedback87.2 (86.6)86.2 (74.2)86.7 (80.4)
+ Synth. Human Feedback (Oracle)89.7 (86.6)87.2 (75.2)88.5 (80.9)
OpenCodeInterpreter-DS-33B79.3 (74.3)78.7 (66.4)79.0 (70.4)
+ Execution Feedback82.9 (80.5)83.5 (72.2)83.2 (76.4)
+ Synth. Human Feedback88.4 (86.0)87.5 (75.9)88.0 (81.0)
+ Synth. Human Feedback (Oracle)92.7 (89.7)90.5 (79.5)91.6 (84.6)
OpenCodeInterpreter-CL-7B72.6 (67.7)66.4 (55.4)69.5 (61.6)
+ Execution Feedback75.6 (70.1)69.9 (60.7)72.8 (65.4)
OpenCodeInterpreter-CL-13B77.4 (73.8)70.7 (59.2)74.1 (66.5)
+ Execution Feedback81.1 (76.8)78.2 (67.2)79.7 (72.0)
OpenCodeInterpreter-CL-34B78.0 (72.6)73.4 (61.4)75.7 (67.0)
+ Execution Feedback81.7 (78.7)80.2 (67.9)81.0 (73.3)
OpenCodeInterpreter-CL-70B76.2 (70.7)73.0 (61.9)74.6 (66.3)
+ Execution Feedback79.9 (77.4)81.5 (69.9)80.7 (73.7)
OpenCodeInterpreter-GM-7B56.1 (50.0)39.8 (34.6)48.0 (42.3)
+ Execution Feedback64.0 (54.3)48.6 (40.9)56.3 (47.6)
OpenCodeInterpreter-SC2-3B65.2 (57.9)62.7 (52.9)64.0 (55.4)
+ Execution Feedback67.1 (60.4)63.4 (54.9)65.3 (57.7)
OpenCodeInterpreter-SC2-7B73.8 (68.9)61.7 (51.1)67.8 (60.0)
+ Execution Feedback75.6 (69.5)66.9 (55.4)71.3 (62.5)
OpenCodeInterpreter-SC2-15B75.6 (69.5)71.2 (61.2)73.4 (65.4)
+ Execution Feedback77.4 (72.0)74.2 (63.4)75.8 (67.7)

Note: The "(+)" notation represents scores from extended versions of the HumanEval and MBPP benchmarks. To ensure a fair comparison, the results shown for adding execution feedback are based on outcomes after just one iteration of feedback, without unrestricted iterations. This approach highlights the immediate impact of execution feedback on performance improvements across benchmarks.

Model Usage

Inference

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM
model_path="m-a-p/OpenCodeInterpreter-DS-6.7B"

tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModelForCausalLM.from_pretrained(
    model_path,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)
model.eval()

prompt = "Write a function to find the shared elements from the given two lists."
inputs = tokenizer.apply_chat_template(
        [{'role': 'user', 'content': prompt }],
        return_tensors="pt"
    ).to(model.device)
outputs = model.generate(
    inputs, 
    max_new_tokens=1024,
    do_sample=False,
    pad_token_id=tokenizer.eos_token_id,
    eos_token_id=tokenizer.eos_token_id,
)
print(tokenizer.decode(outputs[0][len(inputs[0]):], skip_special_tokens=True))

Contact

If you have any inquiries, please feel free to raise an issue or reach out to us via email at: xiangyue.work@gmail.com, zhengtianyu0428@gmail.com. We're here to assist you!"

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
60b8988

0 моделей