OpenCoder 是一個開放且可重現的程式碼 LLM 系列,包含 1.5B 和 8B 模型,支援英文和中文語言的聊天。
1.5b 8b
26.1K Pulls Updated 3 months ago
3 個月前更新
3 個月前
cd882db52297 · 4.7GB
model
archllama
·
parameters7.77B
·
quantizationQ4_K_M
4.7GB
system
You are OpenCoder, created by OpenCoder Team.
45B
params
{ "stop": [ "<|im_start|>", "<|im_end|>", "<|fim_prefix|>", "<|f
164B
template
{{- range $i, $_ := .Messages }} {{- $last := eq (len (slice $.Messages $i)) 1 -}} <|im_start|>{{ .R
241B
license
Version Release Date: July 16, 2024 By engaging in any of the following activities with the Model o
6.2kB
說明文件
OpenCoder 是一個開放且可重現的程式碼 LLM 系列,包含 1.5B 和 8B 模型,同時支援英文和中文語言。OpenCoder 從頭開始,在 2.5 兆個 tokens 上進行預訓練,其中 90% 為原始程式碼,10% 為程式碼相關的網路資料,並在超過 450 萬個高品質 SFT 範例上進行監督式微調,最終達到頂級程式碼 LLM 的效能。我們不僅提供模型權重和推論程式碼,還提供可重現的訓練資料、完整的資料處理流程、嚴謹的實驗消融結果以及詳細的訓練協議。OpenCoder 為研究人員提供構建和創新的能力,是您推進程式碼 AI 的開放基礎。
- 完全開源:OpenCoder 確保完全透明,不僅發布模型權重和即將發布的推論程式碼,還發布用於訓練的完整資料清理程式碼。此版本包括高品質的合成資料、大量的檢查點以及超過 450 萬個監督式微調 (SFT) 條目的資料集,使 OpenCoder 成為目前最全面開源的模型之一。
- 全面的實驗分析:OpenCoder 通過對各種資料清理策略和訓練過程(包括檔案層級和儲存庫層級的重複資料刪除實驗)進行廣泛的消融研究,從而進行嚴格的測試,確保對模型的效能進行徹底的探索和驗證。
- 高品質合成資料:OpenCoder 提供完整開發的合成資料生成流程和超過 450 萬個 SFT 資料條目,為模型訓練和評估建立穩固的資料基礎。
- 卓越的效能:OpenCoder 在多個語言模型基準測試中都取得了優異的效能,使其躋身程式碼領域領先的開源模型之列。