逼近GPT-4，AI编程要革命！Meta开源史上最强代码工具Code Llama

---

  新智元报道  

凭借开源Llama杀疯的Meta，今天又放大招了！

专用编程版的Code Llama正式开源上线，可以免费商用和研究。

Code Llama是从Llama-2基础模型微调而来，共有三个版本：基础版、Python版、以及指令遵循。

每个版本都有3种参数：7B、13B、34B。值得一提的是，单个GPU就能跑7B模型。

在评测基础上，Code Llama的性能与GPT-3.5打平，同时34B参数的模型在HumanEval基准上，接近GPT-4。

不知道，大家有没有注意到其中一个模型：Unnatural Code Llama。

OpenAI科学家Karpathy，乍一看，非常nice！

但是关于这个Unnatural Code Llama，有着神秘名字，含糊的描述、秘而不宣、碾压其他所有模型，多么诱人啊！

Code Llama发布后，LeCun也是疯狂点赞转发自家的科研成果。

英伟达科学家Jim Fan称，Llama-2几乎达到了GPT-3.5的水平，但在编程方面却大大落后，这真的很让人失望。现在，Code Llama终于弥补了与GPT-3.5之间的这一差距！

编程无疑是最重要的LLM任务。它是强大推理引擎和像Voyager这样的强大AI智能体的基石。

Code Llama的横空出世，标志着AI在编程中的重大飞跃，人人都可以利用这个模型进行复杂精确的编程开发任务。

另外，值得一提的，Perplexity的聊天工具，现在就可以用上Code Llama了。

https://labs.perplexity.ai/?utm_content=first_codellama&s=u&utm_source=twitter&utm_campaign=labs

Meta宣称，在代码任务中，Code Llama是目前公开可用的LLM中最先进的模型。它能够使开发人员的工作流程更加快速高效，并降低学习编程的门槛。

Code Llama可以作为生产力和教育工具，帮助程序员编写更加稳定、更加符合编码规范的软件。

Meta认为开源策略能够促进AI领域的创新，是开发安全和负责任的AI工具的最佳途径。

所以Code Llama与Llama2的社区许可协议是完全相同的，学术和商用都免费。

Code Llama是Llama 2强化了代码能力的版本。

论文地址：https://ai.meta.com/research/publications/code-llama-open-foundation-models-for-code/

Meta从训练Llama 2代码能力的数据集中提取了更多的数据，训练了更长的时间，得到了Code Llama。

它可以根据代码和自然语言提示（比如「编写一个输出斐波那契数列的函数」）生成代码和与代码有关的自然语言描述。

它还可以用于代码补全和Debug，支持当今最流行的编程语言，包括Python、C++、Java、PHP、Typescript（Javascript）、C#和Bash。

Meta发布了三个不同规模的Code Llama，分别拥有7B、13B和34B的参数。

每个模型都使用了500B token的代码和与代码相关的数据进行训练。

其中，7B和13B的基础模型以及Instruct模型还经过了Fill-In-the-Middle（FIM）能力的训练，使它们能够将代码插入到现有代码中，使得它们能够完成代码补全相关的任务。

这三个模型可以满足不同的服务场景和延迟的需求。

7B模型单个GPU就能跑。

34B模型生成结果最好，编码辅助的效果也最好。但规模较小的7B和13B的模型运行速度更快，更适合需要低延迟的任务，比如实时的代码补全。

Code Llama模型能稳定支持最多10万token的上下文。而且所有模型都是基于16k的token序列进行训练的，在最高10万token的输入中显示出了改进效果。

拥有更长的上下文能力除了能生成更长的程序，还为代码大语言模型带来了许多新的用途。

它使得用户能向模型喂更长的代码库上下文，让生成的结果与原先的代码相关性更高。

这也使得模型在「Debug大型代码库」这样的场景中能发挥更大的作用。

因为在这种情况下，想要跟踪「与某个具体问题相关」的所有代码，对于开发人员来说是一项很令人头疼的任务。

当开发人员需要Debug大量代码时，他们可以将整个代码片段的直接喂给模型。

此外，Meta还进一步微调了Code Llama的两个子版本：

Code Llama - Python和Code Llama - Instruct。

Code Llama - Python是用Code Llama在100B的Python代码token上进一步微调的产物。

由于Python是代码生成任务中最常用的语言，并且Python和PyTorch在AI社区中具有举足轻重的地位，专门训练一个能对Python提供更好支持的模型能够大大增强模型的实用性。

而Code Llama - Instruct则是经过指令微调和对齐的Code Llama。

Meta将「自然语言指令」喂给了模型，并且给出了期望的输出。这个过程使得模型更擅长理解人类提示的预期结果。

Meta建议在使用Code Llama-Instruct进行代码生成任务，因为Code Llama - Instruct经过微调后，可以生成更加有用且更加安全的自然语言回复。

Meta不建议直接使用Code Llama或Code Llama - Python来执行一般的自然语言任务，因为这两个模型的设计初衷都不是遵循自然语言指令。

而且Code Llama也只专门用于代码相关的任务，不适合作为其他任务的基础模型。

Code Llama表现如何？

Meta采用了了两个流行的编码基准测试：HumanEval和Mostly Basic Python Programming（MBPP）。

HumanEval是测试模型根据文档字符串完成代码的能力，而MBPP测试模型根据描述编写代码的能力。

结果显示，Code Llama的性能优于开源代码专用LLM，并且超越了Llama 2。

Code Llama 34B在HumanEval上得分为53.7%，在MBPP上得分为56.2%，与ChatGPT几乎打平。

同样，Code Llama作为大模型，同样存在不可知的风险。

为了负责任地构建AI模型至关，Meta在发布Code Llama之前，采取了多项措施，包括红队测试。

研究人员对Code Llama生成恶意代码的风险进行了定量评估。

通过创建试图引导生成具有明确意图的恶意代码的提示，将Code Llama对这些提示的响应与ChatGPT（GPT3.5 Turbo）的响应进行了评分比较。

结果表明，Code Llama 给出了更安全的响应。

今天，Meta也发布了Code Llama源代码，由此整个社区都可以评估其能力，发现问题，并修复漏洞。

模型下载

要下载模型权重和标记器，请访问Meta AI网站并接受许可。

一旦请求被批准，将会在电子邮件收到一个URL。然后运行download.sh脚本，在提示开始下载时传递提供的URL。确保复制URL文本，不要使用右键单击URL时的「复制链接地址」选项。

如果复制的URL文本以：https://download.llamameta.net开头，则复制正确。如果复制的URL文本以：https://l.facebook.com开头，则复制错误。

先决条件：确保你已安装wget和md5sum。然后运行脚本：bash download.sh。

请记住，链接会在24小时和一定数量的下载后过期。如果你开始看到诸如403: Forbidden之类的错误，你可以随时重新请求链接。

设置

在具有PyTorch/CUDA可用的conda环境中，克隆repo并在顶级目录中运行：

pip install -e .

推理

不同的模型需要不同的MP值：

所有模型都支持高达100,000个token的序列长度，但Meta会根据max_seq_len和max_batch_size值预先分配缓存。

因此，请根据你的硬件和用例进行设置。

预训练代码模型

Code Llama和Code Llama-Python模型没有微调指令遵循。在提示时，应使预期答案成为提示的自然延续。

有关一些示例，请参阅example_completion.py。为了说明，请参阅下面的命令以使用CodeLlama-7b模型运行它（nproc_per_node需要设置为MP值）：

torchrun --nproc_per_node 1 example_code_completion.py \    --ckpt_dir CodeLlama-7b/ \    --tokenizer_path CodeLlama-7b/tokenizer.model \    --max_seq_len 128 --max_batch_size 4

预训练的代码模型是：Code Llama模型CodeLlama-7b、CodeLlama-13b、CodeLlama-34b和Code Llama-Python模型CodeLlama-7b-Python、CodeLlama-13b-Python、CodeLlama-34b-Python。

代码填充

Code Llama和Code Llama-Instruct7B和13B模型能够根据周围环境填充代码。

有关一些示例，请参阅example_infilling.py。可以运行CodeLlama-7b模型以使用以下命令进行填充（nproc_per_node需要设置为MP值）：

torchrun --nproc_per_node 1 example_text_infilling.py \    --ckpt_dir CodeLlama-7b/ \    --tokenizer_path CodeLlama-7b/tokenizer.model \    --max_seq_len 192 --max_batch_size 4

预训练的填充模型是：Code Llama模型CodeLlama-7b和CodeLlama-13b以及Code Llama-Instruct模型CodeLlama-7b-Instruct、CodeLlama-13b-Instruct。

指令微调模型

Code Llama-指令模型经过微调遵循指令。

要获得预期的功能和性能，需要遵循chat_completion中定义的特定格式，包括INST和<<SYS>>标记、BOS和EOS token，以及中间的空格和换行符（建议在输入上调用strip()以避免双格）。

你还可以部署额外的分类器来过滤掉被认为不安全的输入和输出。有关如何将安全检查器添加到推理代码的输入和输出的示例，请参阅llama-recipe存储库。

使用CodeLlama-7b-Instruct的示例：

torchrun --nproc_per_node 1 example_instructions.py \    --ckpt_dir CodeLlama-7b-Instruct/ \    --tokenizer_path CodeLlama-7b-Instruct/tokenizer.model \    --max_seq_len 512 --max_batch_size 4

微调指令遵循模型是：Code Llama - Instruct models CodeLlama-7b-Instruct、CodeLlama-13b-Instruct 、 CodeLlama-34b-Instruct 。

Meta的研究论文披露了更多的Code Llama开发细节，以及进行基准测试的具体方法。

论文还包括了模型现有局限的具体信息，遇到的已知挑战，以及Meta采取的应对措施和未来的挑战。

Meta还更新了负责任使用指南，其中包括如何负责地开发下游模型的指导，包括：

1. 定义内容策略和缓解措施
2. 准备数据
3. 对模型进行微调
4. 评估和改进性能
5. 解决输入和输出级别的风险
6. 在用户互动中建立透明度和报告机制