/ Модель

Характеристики

Контекст
514 токенов
Параметры
152 млн
Архитектура
roberta · dense
Опубликована
23 сен 2022

codebert-javascript

Заполнение пропусковТекст → текст3 профессии

RoBERTa-модель, дообученная на JavaScript-коде для предсказания замаскированных токенов и применения в CodeBERTScore.

14 390скачиваний за 30 дней16лайковвеса обновлены27 фев 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

neulab/codebert-javascript — модель семейства CodeBERT, разработанная на основе microsoft/codebert-base-mlm и дообученная на JavaScript-коде из набора codeparrot/github-code-clean. Она использует архитектуру RoBERTa с задачей masked language modeling и содержит около 151,8 млн параметров; длина контекста — 514 токенов.

Модель предназначена для CodeBERTScore и может применяться для заполнения пропусков в JavaScript-коде и других задач, использующих представления кода. Это не генеративная модель для написания программ в диалоге: её основная задача — предсказывать замаскированные токены. В карточке не указаны условия лицензии.

Сценарии применения

  • заполнение пропусков в JavaScript-коде
  • получение оценок CodeBERTScore для JavaScript-кода
  • сравнение программных фрагментов с помощью модели языкового моделирования

Ограничения

Обучение ориентировано на JavaScript-код, поэтому качество на других языках программирования может отличаться. Лицензия в предоставленных данных не указана.

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 microsoft/codebert-base-mlm model, trained for 1,000,000 steps (with batch_size=32) on JavaScript code from the codeparrot/github-code-clean dataset, on the masked-language-modeling task.

It is intended to be used in CodeBERTScore: https://github.com/neulab/code-bert-score, but can be used for any other model or task.

For more information, see: https://github.com/neulab/code-bert-score

Citation

If you use this model for research, please cite:

@article{zhou2023codebertscore,
  url = {https://arxiv.org/abs/2302.05527},
  author = {Zhou, Shuyan and Alon, Uri and Agarwal, Sumit and Neubig, Graham},
  title = {CodeBERTScore: Evaluating Code Generation with Pretrained Models of Code},  
  publisher = {arXiv},
  year = {2023},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
RobertaForMaskedLM
Ревизия весов
b4883b1

0 моделей