/ Модель
Каталог

Характеристики

Контекст
8 192 токена
Лицензия
MIT
Архитектура
gpt_bigcode · dense
Базовая модель
starcoderbase-1b
Библиотека
transformers
Опубликована
1 мая 2024

Ссылки

Hugging FacearXiv 2207.14255arXiv 1910.09700

microcoderfim-1B

xvadov01
Генерация текстаТекст → текст3 профессии

Дообученная на коде для встроенных систем модель StarCoderBase-1B для генерации и заполнения пропусков в программном коде.

28скачиваний за 30 дней0лайковвеса обновлены1 мая 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.

Открыть конструктор бенчмарка

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

microcoderfim-1B — дообученная модель на базе StarCoderBase-1B от BigCode, подготовленная с использованием задачи Fill-in-the-Middle на датасете по программированию встроенных систем. Это декодерный трансформер с архитектурой GPTBigCode и Multi-Query Attention; модель предназначена для генерации и продолжения кода, в том числе заполнения пропусков внутри фрагмента. Указанная область применения — программирование встроенных систем; карточка не приводит результаты оценки или подробные рекомендации по использованию. Модель работает с текстом на английском языке, максимальная длина контекста — 8192 токена. Лицензия MIT.

Сценарии применения

  • генерация кода для встроенных систем
  • продолжение фрагмента программного кода
  • заполнение пропусков в коде методом Fill-in-the-Middle

Ограничения

Карточка не содержит метрик качества, подробного описания обучающих данных и рекомендаций по применению; эффективность для конкретных языков и платформ встроенных систем не установлена.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.3Разработка и данныеРефакторинг, миграция и модернизацияAI помогает улучшать структуру программ и переносить их на новые технологии без потери поведения.20 задач9 764моделиII.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

This is a finetuned version of StarCoderBase 1B using the Fill-in-the-Middle objective on dataset focused on embedded systems programming.

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

  • Developed by: [More Information Needed]
  • Shared by [optional]: [More Information Needed]
  • Model type: Transformer decoder architecture with Multi-Query attention
  • Language(s) (NLP): English
  • License: MIT
  • Finetuned from model [optional]: StarCoderBase 1B

Model Sources [optional]

  • Repository: [More Information Needed]
  • Paper [optional]: [More Information Needed]
  • Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

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.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

  • Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

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

  • Hardware Type: NVIDIA GeForce RTX 3090
  • Hours used: 5h 25m
  • Carbon Emitted: 0.83

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPTBigCodeForCausalLM
Ревизия весов
2ee1977

0 моделей

    Создать бенчмарк