今天，Meta發(fā)布了Code Llama，一款可以使用文本提示生成代碼的大型語言模型（LLM）。Code Llama在代碼任務上是公開可用的LLM中最先進的，它有可能讓當前開發(fā)者的工作流程更快更高效，也降低了學習編程的門檻。Code Llama有可能被用作一種生產力和教育工具，幫助程序員編寫更健壯、更有文檔的軟件。

Code Llama是一個新的大型語言模型,專門用于生成代碼,它基于Meta的Llama 2基礎模型構建。它可以從自然語言提示生成代碼。

Code Llama是免費的，可用于研究和商業(yè)用途。

Code Llama是基于Llama 2構建的，有三種模型：

Code Llama，基礎的代碼模型；

Code Llama - Python，專門針對Python；

以及Code Llama - Instruct，它是為了理解自然語言指令而微調的。

Code Llama在代碼生成基準測試(如HumanEval和MBPP)上優(yōu)于其他公開可用的模型。它與ChatGPT可媲美。

發(fā)布了三種大小的Code Llama模型 - 7B、13B和34B參數。34B模型具有最佳性能,但較小的模型更快。

Code Llama支持許多流行的編程語言,并可以處理長達10萬個標記的輸入上下文。

潛在的應用包括幫助開發(fā)人員更有效地編寫、調試和記錄代碼。它還可以幫助降低學習編程的門檻。

Code Llama 工作原理

Code Llama是Llama 2的一個代碼專用版本，它是通過在Llama 2的代碼特定數據集上進一步訓練，從同一數據集中采樣更多的數據進行更長時間的訓練而創(chuàng)建的。本質上，Code Llama具有增強的編碼能力，建立在Llama 2之上。它可以從代碼和自然語言提示（例如，“寫一個輸出斐波那契數列的函數?！保┥纱a，以及關于代碼的自然語言。它也可以用于代碼補全和調試。它支持許多當今最流行的語言，包括Python, C++, Java, PHP, Typescript (Javascript), C#, 和Bash（請參閱下面參考的研究論文以獲得完整的列表）。

我們將發(fā)布三種尺寸的 Code Llama，分別具有 7B、13B 和 34B 參數。每個模型都使用 500B 代碼令牌和代碼相關數據進行訓練。7B 和 13B 基礎模型和指令模型也經過了中間填充 (FIM) 功能的訓練，允許它們將代碼插入到現有代碼中，這意味著它們可以支持開箱即用的代碼完成等任務。

這三種模型滿足不同的服務和延遲要求。例如，7B 模型可以在單個 GPU 上運行。34B 模型返回最佳結果并提供更好的編碼輔助，但較小的 7B 和 13B 模型速度更快，更適合需要低延遲的任務，例如實時代碼完成。

Code Llama 模型提供了具有多達 100,000 個上下文標記的穩(wěn)定生成。所有模型都在 16,000 個標記的序列上進行訓練，并在最多 100,000 個標記的輸入上顯示出改進。

除了是生成更長程序的先決條件之外，擁有更長的輸入序列還可以為代碼LLM解鎖令人興奮的新用例。例如，用戶可以為模型提供來自其代碼庫的更多上下文，以使各代更相關。它還有助于在較大的代碼庫中調試場景，在這種情況下，掌握與具體問題相關的所有代碼對于開發(fā)人員來說可能是一項挑戰(zhàn)。當開發(fā)人員面臨調試大量代碼時，他們可以將整個代碼長度傳遞到模型中。

此外，我們還進一步微調了 Code Llama 的兩個附加變體：Code Llama - Python 和 Code Llama - Instruct。

Code Llama - Python 是 Code Llama 的語言專用變體，在 Python 代碼的 100B 標記上進一步微調。因為 Python 是代碼生成方面最具基準測試的語言，并且因為 Python 和PyTorch在 AI 社區(qū)中發(fā)揮著重要作用，所以我們相信專門的模型可以提供額外的實用性。

Code Llama - Instruct 是 Code Llama 的指令微調和對齊變體。指令調整繼續(xù)訓練過程，但目標不同。該模型接受“自然語言指令”輸入和預期輸出。這使得它能夠更好地理解人們對提示的期望。我們建議在使用 Code Llama 進行代碼生成時使用 Code Llama - Instruct 變體，因為 Code Llama - Instruct 已經過微調，可以用自然語言生成有用且安全的答案。

我們不建議使用 Code Llama 或 Code Llama - Python 執(zhí)行一般自然語言任務，因為這兩個模型都不是為遵循自然語言指令而設計的。Code Llama 專門用于特定于代碼的任務，不適合作為其他任務的基礎模型。

使用 Code Llama 模型時，用戶必須遵守我們的許可和可接受的使用政策。

評估 Code Llama 的性能

為了針對現有解決方案測試 Code Llama 的性能，我們使用了兩個流行的編碼基準：HumanEval和 Mostly Basic Python Programming ( MBPP )。HumanEval 測試模型根據文檔字符串完成代碼的能力，MBPP 測試模型根據描述編寫代碼的能力。

我們的基準測試表明，Code Llama 的表現優(yōu)于開源、特定于代碼的 Llama，并且優(yōu)于 Llama 2。例如，Code Llama 34B 在 HumanEval 上得分為 53.7%，在 MBPP 上得分為 56.2%，與其他狀態(tài)相比最高。最先進的開放解決方案，與 ChatGPT 相當。

與所有尖端技術一樣，Code Llama 也存在風險。負責任地構建人工智能模型至關重要，我們在發(fā)布 Code Llama 之前采取了許多安全措施。作為我們紅隊工作的一部分，我們對 Code Llama 生成惡意代碼的風險進行了定量評估。我們創(chuàng)建了試圖以明確意圖征求惡意代碼的提示，并根據 ChatGPT (GPT3.5 Turbo) 對 Code Llama 對這些提示的響應進行了評分。我們的結果發(fā)現，Code Llama 的回答更安全。

有關負責任人工智能、進攻性安全工程、惡意軟件開發(fā)和軟件工程領域專家的紅隊工作的詳細信息，請參閱研究論文。

發(fā)布Code Llama

程序員已經在使用LLM來協助完成各種任務，從編寫新的軟件到調試現有的代碼。我們的目標是讓開發(fā)者的工作流程更高效，讓他們能夠專注于他們工作中最具人性化的方面，而不是重復性的任務。

在Meta，我們相信AI模型，特別是編碼用的LLM，從開放的方式中受益最多，無論是在創(chuàng)新還是安全方面。公開可用的、代碼特定的模型可以促進開發(fā)新技術，改善人們的生活。通過發(fā)布像Code Llama這樣的代碼模型，整個社區(qū)可以評估它們的能力，發(fā)現問題，并修復漏洞。

Code Llama 的訓練方法可在我們的Github 存儲庫中找到，還提供模型參數。

生成式人工智能編碼的未來

Code Llama 旨在為所有領域的軟件工程師提供支持，包括研究、工業(yè)、開源項目、非政府組織和企業(yè)。但是，還有更多的用例需要支持，超出了我們的基礎模型和指導模型所能提供的服務范圍。 我們希望 Code Llama 能夠激勵其他人利用 Llama 2 為研究和商業(yè)產品創(chuàng)建新的創(chuàng)新工具。





審核編輯：劉清