/ Модель

Характеристики

Контекст
16 384 токена
Параметры
12,9 млрд
Размер весов
26 ГБ
Архитектура
llama · dense
Опубликована
10 окт 2023

SWE-Llama-13b

Генерация текстаТекст → текст3 профессии

Производная модели princeton-nlp/SWE-Llama-7b. SWE-Llama-7b — дообученная на задачах программной инженерии модель CodeLlama для генерации патчей по описанию проблем GitHub и контексту кода.

19скачиваний за 30 дней24лайкавеса обновлены28 окт 2023

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 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

Карточка модели princeton-nlp/SWE-Llama-13b на Hugging Face совпадает с карточкой princeton-nlp/SWE-Llama-7b, поэтому описание составлено по ней.

SWE-Llama-7b — языковая модель Princeton NLP на основе архитектуры CodeLlama, дообученная для решения задач программной инженерии. Она генерирует патчи по описанию проблемы в GitHub и контексту кода; обучение проводилось на 19 тысячах задач и pull request из 37 репозиториев Python, не входивших в SWE-bench. Модель содержит около 6,6 млрд параметров, использует архитектуру Llama и принимает текстовый контекст длиной до 16 384 токенов.

Модель предназначена для помощи в исправлении ошибок и подготовке изменений в коде Python, в частности в сценариях, похожих на задачи SWE-bench. В опубликованной оценке SWE-Llama-7b решила 3% задач при предоставлении эталонного контекста. Это указывает на ограниченную результативность автономного решения задач; сгенерированные изменения требуют проверки. Доступный формат весов — PyTorch. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация патчей для исправления ошибок Python
  • подготовка изменений кода по описанию issue в GitHub
  • черновой разбор задач SWE-bench
  • предложение исправлений по контексту репозитория

Ограничения

В оценке SWE-bench модель решила 3% задач даже при предоставлении эталонного контекста, поэтому её предложения требуют проверки. Обучение ориентировано на Python и задачи, подобные issue и pull request из GitHub.

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

language: en

datasets:

  • 37 popular Python code repositories
  • See princeton-nlp/SWE-bench train split
  • See the make_datasets documentation on SWE-bench's GitHub for details on formatting input.

SWE-Llama

SWE-Llama are variants of the CodeLlama model fine-tuned on software engineering tasks extracted from real-world GitHub issues and pull requests. They were introduced and evaluated on the SWE-bench benchmark in this paper.

Model Details

  • Architecture: Transformer, based on CodeLlama architecture
  • Parameters: 7 billion for SWE-Llama-7b, 13 billion for SWE-Llama-13b
  • Objective: Generating patches to resolve GitHub issues, conditioned on issue description and code context

Training Data

SWE-Llama was fine-tuned on 19,000 issues and pull requests collected from 37 popular Python code repositories on GitHub, disjoint from those used in SWE-bench.

Training Procedure

  • Fine-tuned only the attention matrices using LoRA method
  • Trained for 4 epochs with a batch size of 32
  • Selected best checkpoint based on validation perplexity

Evaluation Results

When evaluated on the SWE-bench benchmark:

  • SWE-Llama-7b achieved 3.0% issue resolution rate using oracle context retrieval
  • SWE-Llama-13b achieved 4.0% issue resolution rate using oracle context retrieval

BibTeX Entry

@misc{jimenez2023swebench,
      title={SWE-bench: Can Language Models Resolve Real-World GitHub Issues?}, 
      author={Carlos E. Jimenez and John Yang 
        and Alexander Wettig and Shunyu Yao 
        and Kexin Pei and Ofir Press and Karthik Narasimhan},
      year={2023},
      eprint={2310.06770},
      archivePrefix={arXiv},
      primaryClass={cs.CL}
}

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
f7d376d

0 моделей