Meta发布一款可以使用文本提示生成代码的大型语言模型Code Llama

今天，Meta发布了Code Llama，一款可以使用文本提示生成代码的大型语言模型（LLM）。Code Llama在代码任务上是公开可用的LLM中最先进的，它有可能让当前开发者的工作流程更快更高效，也降低了学习编程的门槛。Code Llama有可能被用作一种生产力和教育工具，帮助程序员编写更健壮、更有文档的软件。

Code Llama是一个新的大型语言模型,专门用于生成代码,它基于Meta的Llama 2基础模型构建。它可以从自然语言提示生成代码。

Code Llama是免费的，可用于研究和商业用途。 

Code Llama是基于Llama 2构建的，有三种模型： 

Code Llama，基础的代码模型；

Code Llama - Python，专门针对Python；

以及Code Llama - Instruct，它是为了理解自然语言指令而微调的。 

Code Llama在代码生成基准测试(如HumanEval和MBPP)上优于其他公开可用的模型。它与ChatGPT可媲美。

发布了三种大小的Code Llama模型 - 7B、13B和34B参数。34B模型具有最佳性能,但较小的模型更快。

Code Llama支持许多流行的编程语言,并可以处理长达10万个标记的输入上下文。

潜在的应用包括帮助开发人员更有效地编写、调试和记录代码。它还可以帮助降低学习编程的门槛。

Code Llama 工作原理

Code Llama是Llama 2的一个代码专用版本，它是通过在Llama 2的代码特定数据集上进一步训练，从同一数据集中采样更多的数据进行更长时间的训练而创建的。本质上，Code Llama具有增强的编码能力，建立在Llama 2之上。它可以从代码和自然语言提示（例如，“写一个输出斐波那契数列的函数。”）生成代码，以及关于代码的自然语言。它也可以用于代码补全和调试。它支持许多当今最流行的语言，包括Python, C++, Java, PHP, Typescript (Javascript), C#, 和Bash（请参阅下面参考的研究论文以获得完整的列表）。

我们将发布三种尺寸的 Code Llama，分别具有 7B、13B 和 34B 参数。每个模型都使用 500B 代码令牌和代码相关数据进行训练。7B 和 13B 基础模型和指令模型也经过了中间填充 (FIM) 功能的训练，允许它们将代码插入到现有代码中，这意味着它们可以支持开箱即用的代码完成等任务。

这三种模型满足不同的服务和延迟要求。例如，7B 模型可以在单个 GPU 上运行。34B 模型返回最佳结果并提供更好的编码辅助，但较小的 7B 和 13B 模型速度更快，更适合需要低延迟的任务，例如实时代码完成。

Code Llama 模型提供了具有多达 100,000 个上下文标记的稳定生成。所有模型都在 16,000 个标记的序列上进行训练，并在最多 100,000 个标记的输入上显示出改进。

除了是生成更长程序的先决条件之外，拥有更长的输入序列还可以为代码LLM解锁令人兴奋的新用例。例如，用户可以为模型提供来自其代码库的更多上下文，以使各代更相关。它还有助于在较大的代码库中调试场景，在这种情况下，掌握与具体问题相关的所有代码对于开发人员来说可能是一项挑战。当开发人员面临调试大量代码时，他们可以将整个代码长度传递到模型中。

此外，我们还进一步微调了 Code Llama 的两个附加变体：Code Llama - Python 和 Code Llama - Instruct。

Code Llama - Python 是 Code Llama 的语言专用变体，在 Python 代码的 100B 标记上进一步微调。因为 Python 是代码生成方面最具基准测试的语言，并且因为 Python 和PyTorch在 AI 社区中发挥着重要作用，所以我们相信专门的模型可以提供额外的实用性。

Code Llama - Instruct 是 Code Llama 的指令微调和对齐变体。指令调整继续训练过程，但目标不同。该模型接受“自然语言指令”输入和预期输出。这使得它能够更好地理解人们对提示的期望。我们建议在使用 Code Llama 进行代码生成时使用 Code Llama - Instruct 变体，因为 Code Llama - Instruct 已经过微调，可以用自然语言生成有用且安全的答案。

我们不建议使用 Code Llama 或 Code Llama - Python 执行一般自然语言任务，因为这两个模型都不是为遵循自然语言指令而设计的。Code Llama 专门用于特定于代码的任务，不适合作为其他任务的基础模型。

使用 Code Llama 模型时，用户必须遵守我们的许可和可接受的使用政策。

评估 Code Llama 的性能

为了针对现有解决方案测试 Code Llama 的性能，我们使用了两个流行的编码基准：HumanEval和 Mostly Basic Python Programming ( MBPP )。HumanEval 测试模型根据文档字符串完成代码的能力，MBPP 测试模型根据描述编写代码的能力。

我们的基准测试表明，Code Llama 的表现优于开源、特定于代码的 Llama，并且优于 Llama 2。例如，Code Llama 34B 在 HumanEval 上得分为 53.7%，在 MBPP 上得分为 56.2%，与其他状态相比最高。最先进的开放解决方案，与 ChatGPT 相当。

与所有尖端技术一样，Code Llama 也存在风险。负责任地构建人工智能模型至关重要，我们在发布 Code Llama 之前采取了许多安全措施。作为我们红队工作的一部分，我们对 Code Llama 生成恶意代码的风险进行了定量评估。我们创建了试图以明确意图征求恶意代码的提示，并根据 ChatGPT (GPT3.5 Turbo) 对 Code Llama 对这些提示的响应进行了评分。我们的结果发现，Code Llama 的回答更安全。

有关负责任人工智能、进攻性安全工程、恶意软件开发和软件工程领域专家的红队工作的详细信息，请参阅研究论文。

发布Code Llama

程序员已经在使用LLM来协助完成各种任务，从编写新的软件到调试现有的代码。我们的目标是让开发者的工作流程更高效，让他们能够专注于他们工作中最具人性化的方面，而不是重复性的任务。

在Meta，我们相信AI模型，特别是编码用的LLM，从开放的方式中受益最多，无论是在创新还是安全方面。公开可用的、代码特定的模型可以促进开发新技术，改善人们的生活。通过发布像Code Llama这样的代码模型，整个社区可以评估它们的能力，发现问题，并修复漏洞。

Code Llama 的训练方法可在我们的Github 存储库中找到，还提供模型参数。

生成式人工智能编码的未来

Code Llama 旨在为所有领域的软件工程师提供支持，包括研究、工业、开源项目、非政府组织和企业。但是，还有更多的用例需要支持，超出了我们的基础模型和指导模型所能提供的服务范围。 我们希望 Code Llama 能够激励其他人利用 Llama 2 为研究和商业产品创建新的创新工具。





审核编辑：刘清