/ Модель

Характеристики

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

codebert-python

Заполнение пропусковТекст → текст3 профессии

RoBERTa-модель, дообученная на Python-коде для восстановления замаскированных токенов и применения в CodeBERTScore.

82 704скачиваний за 30 дней28лайковвеса обновлены12 июн 2025

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-python — модель семейства RoBERTa, дообученная на Python-коде из набора codeparrot/github-code-clean. Она основана на microsoft/codebert-base-mlm и обучена 1 000 000 шагов на задаче маскированного языкового моделирования. Модель содержит около 151,8 млн параметров, принимает последовательности длиной до 514 токенов и доступна в форматах PyTorch и safetensors.

Основное назначение — подстановка пропущенных токенов в Python-коде; также модель предназначена для использования в CodeBERTScore и может применяться в других задачах, где полезны представления кода. Для работы с ней указана архитектура RobertaForMaskedLM. Лицензия в предоставленных данных не указана.

Сценарии применения

  • восстановление пропущенных токенов в Python-коде
  • оценка сходства Python-кода в CodeBERTScore
  • подготовка представлений Python-кода для downstream-задач

Ограничения

Контекст ограничен 514 токенами, поэтому длинный код потребуется разбивать на фрагменты. Модель обучалась на Python-коде и может хуже подходить для других языков программирования.

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 Python 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
c4ff459

0 моделей