更新：2024 年 1 月 29 日：发布代码 Llama 70B

• 我们正在发布 Code Llama 70B，这是 Code Llama 系列中最大、性能最好的型号
• Code Llama 70B 提供与之前发布的 Code Llama 型号相同的三个版本，全部免费用于研究和商业用途：
  • CodeLlama - 70B，基础代码模型；
  • CodeLlama - 70B - Python，70B 专门针对 Python；
  • Code Llama - 70B - Instruct 70B，它针对理解自然语言指令进行了微调。

• Code Llama 是最先进的法学硕士，能够根据代码和自然语言提示生成代码和有关代码的自然语言。
• Code Llama 可免费用于研究和商业用途。
• Code Llama 构建于 Llama 2 之上，提供三种型号：
  • Code Llama，基础代码模型；
  • Codel Llama - 专门针对 Python 的 Python；
  • Code Llama - Instruct，它针对理解自然语言指令进行了微调。
• 在我们自己的基准测试中，Code Llama 在代码任务上的表现优于最先进的公开可用的法学硕士

推荐读物

• 代码骆驼研究论文
• 代码骆驼 GitHub
• 下载 Code Llama 模型

Code Llama 是Llama 2的代码专用版本，是通过在其特定于代码的数据集上进一步训练 Llama 2 来创建的，从同一数据集中采样更多数据的时间更长。从本质上讲，Code Llama 具有增强的编码功能，建立在 Llama 2 之上。它可以根据代码和自然语言提示生成代码和有关代码的自然语言（例如，“给我写一个输出斐波那契序列的函数。”）它还可用于代码完成和调试。它支持当今使用的许多最流行的语言，包括 Python、C++、Java、PHP、Typescript (Javascript)、C# 和 Bash。

我们将发布四种尺寸的 Code Llama，参数分别为 7B、13B、34B 和 70B。这些模型中的每一个都使用 500B 代码令牌和代码相关数据进行训练，70B 模型则使用 1T 令牌进行训练。 7B 和 13B 基础和指令模型还经过了中间填充 (FIM) 功能的训练，允许它们将代码插入到现有代码中，这意味着它们可以立即支持代码完成等任务。

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 和 70B 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法学硕士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。

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 编程 ( 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，请参阅我们的研究论文。

程序员已经在使用法学硕士来协助完成各种任务，从编写新软件到调试现有代码。目标是使开发人员的工作流程更加高效，以便他们可以专注于工作中最以人为本的方面，而不是重复性任务。

在 Meta，我们相信人工智能模型，尤其是编码领域的法学硕士，无论是在创新还是安全方面，都从开放方法中受益最多。公开的、特定于代码的模型可以促进新技术的开发，从而改善人们的生活。通过发布 Code Llama 等代码模型，整个社区可以评估其能力、识别问题并修复漏洞。

Code Llama 的培训食谱可在我们的Github 存储库中找到。

还提供模型重量。

我们的研究论文披露了 Code Llama 的开发细节以及我们如何进行基准测试。它还提供了有关模型局限性、我们遇到的已知挑战、我们采取的缓解措施以及我们打算调查的未来挑战的更多信息。

我们还更新了《负责任的使用指南》，其中包括有关负责任地开发下游模型的指南，包括：

• 定义内容策略和缓解措施。
• 准备数据。
• 微调模型。
• 评估和改进绩效。
• 解决投入和产出层面的风险。
• 在用户交互中建立透明度和报告机制。

开发人员应使用特定于代码的评估基准来评估其模型，并对特定于代码的用例（例如生成恶意软件、计算机病毒或恶意代码）进行安全研究。我们还建议利用安全数据集进行自动和人工评估，并根据对抗性提示进行红队。

生成式人工智能编码的未来