與 BigCode 社區(qū)共同創(chuàng)建的 StarCoder2 是在 600 多種編程語言上訓(xùn)練而成，它將推進(jìn)代碼生成、透明度、治理和創(chuàng)新。

ServiceNow、Hugging Face 和 NVIDIA 于今日發(fā)布 StarCoder2，其為一系列用于代碼生成的開放獲取大語言模型（LLM），將為性能、透明度和成本效益樹立新標(biāo)準(zhǔn)。

StarCoder2 的聯(lián)合開發(fā)者 BigCode 社區(qū)是由 ServiceNow 和 Hugging Face 共同管理。前者是一家領(lǐng)先的數(shù)字工作流公司，致力于為每個(gè)人創(chuàng)造更好的工作環(huán)境；后者則是最常用的開源平臺，機(jī)器學(xué)習(xí)社區(qū)在該平臺上就模型、數(shù)據(jù)集和應(yīng)用程序開展合作。

在 619 種編程語言上訓(xùn)練而成的 StarCoder2，可接受進(jìn)一步的訓(xùn)練并嵌入到企業(yè)應(yīng)用中，以執(zhí)行應(yīng)用源代碼生成、工作流生成、文本摘要等特定任務(wù)。開發(fā)者可以使用它的代碼補(bǔ)全、高級代碼摘要、代碼片段檢索等功能，加快創(chuàng)新速度及提高工作效率。

StarCoder2 提供三種規(guī)模的模型：由 ServiceNow 訓(xùn)練的 30 億參數(shù)模型、由 Hugging Face 訓(xùn)練的 70 億參數(shù)模型，以及由 NVIDIA 使用 NVIDIA NeMo 構(gòu)建并在 NVIDIA 加速基礎(chǔ)設(shè)施上訓(xùn)練的 150 億參數(shù)模型。規(guī)模較小的模型由于參數(shù)較少，在推理過程中所需的計(jì)算量較少，可在提供強(qiáng)大性能的同時(shí)節(jié)省計(jì)算成本。實(shí)際上，新的 30 億參數(shù)模型在性能上與原有的 StarCoder 150 億參數(shù)模型不相上下。

ServiceNow 的 StarCoder2 開發(fā)團(tuán)隊(duì)負(fù)責(zé)人兼 BigCode 聯(lián)合負(fù)責(zé)人 Harm de Vries 表示：“StarCoder2 證明了將開放式科學(xué)協(xié)作和負(fù)責(zé)任的 AI 實(shí)踐與道德數(shù)據(jù)供應(yīng)鏈相結(jié)合所產(chǎn)生的力量。這一極其先進(jìn)的開放獲取模型將提高已有生成式 AI 的性能和開發(fā)者的生產(chǎn)力，為開發(fā)者提供平等的機(jī)會(huì)，獲得代碼生成式 AI 的優(yōu)勢。這使任何規(guī)模的企業(yè)都能更加輕松地激發(fā)其全部業(yè)務(wù)潛力。”

Hugging Face 機(jī)器學(xué)習(xí)工程師兼 BigCode 聯(lián)合負(fù)責(zé)人 Leandro von Werra 表示：“在 Hugging Face、ServiceNow 和 NVIDIA 的共同努力下，這套功能強(qiáng)大的基礎(chǔ)模型終于問世。在數(shù)據(jù)和訓(xùn)練完全透明的情況下，社區(qū)能夠更加高效地構(gòu)建各種應(yīng)用。StarCoder2 證明了開源和開放式科學(xué)的潛力，我們正在努力實(shí)現(xiàn)負(fù)責(zé)任 AI 的全民化?！?/p>

NVIDIA 應(yīng)用研究副總裁 Jonathan Cohen 表示：“由于每個(gè)軟件生態(tài)系統(tǒng)都有專門的編程語言，代碼 LLM 可以推動(dòng)各行業(yè)效率和創(chuàng)新方面的突破。NVIDIA 與 ServiceNow 和 Hugging Face 的合作帶來了安全且負(fù)責(zé)任的模型，讓更多人能夠用上負(fù)責(zé)任的生成式 AI，我們相信這將使全球社區(qū)受益?！?/p>

StarCoder2 模型

為自定義應(yīng)用開發(fā)增添強(qiáng)大助力

StarCoder2 模型均使用來自 BigCode 的先進(jìn)架構(gòu)和精心挑選的數(shù)據(jù)源。為了實(shí)現(xiàn)負(fù)責(zé)任的大規(guī)模創(chuàng)新，數(shù)據(jù)源的透明度和開放治理被放在第一位。

StarCoder2 提升了未來由 AI 驅(qū)動(dòng)的編碼應(yīng)用的潛力，包括各種文本-代碼和文本-工作流轉(zhuǎn)換功能。通過更加廣泛、深入的編程訓(xùn)練，它可以提供資源庫上下文，從而實(shí)現(xiàn)準(zhǔn)確的上下文感知預(yù)測。無論是經(jīng)驗(yàn)豐富的軟件工程師還是業(yè)余開發(fā)者等，都能利用這些進(jìn)步提升業(yè)務(wù)價(jià)值和推動(dòng)數(shù)字化轉(zhuǎn)型。

StarCoder2 的基礎(chǔ)是一個(gè)名為 Stack v2 的新代碼數(shù)據(jù)集，該數(shù)據(jù)集規(guī)模比 Stack v1 大 7 倍多。除了先進(jìn)的數(shù)據(jù)集之外，新的訓(xùn)練技術(shù)也有助于模型理解低資源編程語言（如 COBOL 等）、數(shù)學(xué)和程序源代碼討論。

使用特定業(yè)務(wù)數(shù)據(jù)對先進(jìn)功能進(jìn)行微調(diào)

用戶可以使用 NVIDIA、NeMo 或 Hugging Face TRL 等開源工具，利用特定行業(yè)或組織的數(shù)據(jù)，對開放獲取的 StarCoder2 模型進(jìn)行微調(diào)?？梢詣?chuàng)建高級聊天機(jī)器人來處理更復(fù)雜的摘要或分類任務(wù)、開發(fā)能夠快速且輕松地完成編程任務(wù)的個(gè)性化編碼助手、檢索相關(guān)代碼片段，并實(shí)現(xiàn)文本-工作流轉(zhuǎn)換功能。

為創(chuàng)建適合自身業(yè)務(wù)的特定任務(wù)功能，各企業(yè)已經(jīng)開始對 StarCoder 基礎(chǔ)模型進(jìn)行微調(diào)。

ServiceNow 的文本-代碼 Now LLM 就是在 150 億參數(shù) StarCoder LLM 的專用版本上構(gòu)建而成的，并針對其工作流模式、用例和流程進(jìn)行了微調(diào)和訓(xùn)練。Hugging Face 也使用該模型創(chuàng)建了自己的 StarChat 助手。

BigCode 促進(jìn) AI 領(lǐng)域的開放式科學(xué)協(xié)作

BigCode 是一個(gè)由 Hugging Face 和 ServiceNow 領(lǐng)導(dǎo)的開放式科學(xué)協(xié)作社區(qū)，致力于負(fù)責(zé)任的代碼 LLM 開發(fā)。

BigCode 社區(qū)以工作組和特別任務(wù)組的形式積極參與 StarCoder2 項(xiàng)目的技術(shù)工作，分別使用 ServiceNow 的 Fast LLM 框架來訓(xùn)練 30 億參數(shù)模型、使用 Hugging Face 的 nanotron 框架來訓(xùn)練 70 億參數(shù)模型，以及 NVIDIA NeMo 云原生框架和 NVIDIA TensorRT-LLM 軟件來訓(xùn)練和優(yōu)化 150 億參數(shù)模型。

BigCode 的核心宗旨是促進(jìn)負(fù)責(zé)任的創(chuàng)新，其開放的治理、透明的供應(yīng)鏈、開源軟件的使用，以及讓開發(fā)者選擇數(shù)據(jù)不用于訓(xùn)練等做法都體現(xiàn)了這一點(diǎn)。StarCoder2 是在獲得 Inria 托管的 Software Heritage 數(shù)字共享許可下，使用負(fù)責(zé)任的數(shù)據(jù)構(gòu)建而成的。

Software Heritage 總監(jiān) Roberto Di Cosmo 表示：“StarCoder2 是首個(gè)使用 Software Heritage 源代碼存檔開發(fā)的代碼生成式 AI 模型，其構(gòu)建方式符合我們負(fù)責(zé)任地開發(fā)代碼模型的政策。ServiceNow、Hugging Face 和 NVIDIA 的這一合作體現(xiàn)了對道德 AI 開發(fā)的共同承諾，引領(lǐng)技術(shù)朝著更崇高的利益發(fā)展?！?/p>

StarCoder2 與其前代一樣，將在 BigCode Open RAIL-M 許可下免費(fèi)提供訪問和使用。為進(jìn)一步促進(jìn)透明度和協(xié)作，該模型的支持代碼將繼續(xù)保留在 BigCode 項(xiàng)目的 GitHub 頁面上。

所有 StarCoder2 模型還可以在 Hugging Face 上下載。StarCoder2 150 億參數(shù)模型通過 NVIDIA AI Foundation 模型提供，開發(fā)者可以直接在瀏覽器上或通過 API 端點(diǎn)進(jìn)行試用。