?

國內(nèi)開源代碼大模型

4月9日aiXcoder宣布正式開源其7B模型Base版，僅僅過去一個禮拜，aiXcoder-7B在軟件源代碼托管服務平臺GitHub上的Star數(shù)已超過2k。同時躋身HuggingFace趨勢榜單TOP30，令全球開發(fā)者矚目。

?

?

背后團隊

aiXcoder 團隊來自北京大學軟件工程研究所，2013就開始搞代碼生成，他們不但是國際上最早將深度學習技術(shù)用于程序代碼處理的團隊，也是最早推出基于深度學習的編程產(chǎn)品的團隊，從一開始他們就抓住并專注于代碼大模型這個前沿賽道。

團隊長期聚焦軟件工程、系統(tǒng)軟件、程序理解、程序生成、深度學習、可信人工智能等前沿領域，在多個國內(nèi)外頂級會議與期刊發(fā)表相關(guān)論文100余篇，多篇被國際同行視為“首創(chuàng)成果”。

從學界最前沿的理論研究，到廣泛應用部署的商業(yè)實踐，aiXcoder致力于將前沿人工智能技術(shù)應用于軟件工程，聚焦代碼大模型的企業(yè)個性化落地技術(shù)，助力企業(yè)實現(xiàn)智能化開發(fā)，為未來商業(yè)落地打下堅實基礎。

?

發(fā)展歷史

2017年，aiXcoder最開始的雛形——aiXcoder1.0發(fā)布，提供代碼自動補全與搜索功能。

2021年4月，團隊推出完全自主知識產(chǎn)權(quán)的十億級參數(shù)代碼大模型aiXcoder L版，支持代碼補全和自然語言推薦。這也是國內(nèi)?個基于“?模型”的智能編程商?產(chǎn)品。

2022年6月再次推出了國內(nèi)首個支持方法級代碼生成的百億級參數(shù)量模型aiXcoder XL版，同樣具有完全自主知識產(chǎn)權(quán)。

2023年7月，aiXcoder團隊推出聚焦企業(yè)適配的aiXcoder Europa，具有代碼自動補全、代碼自動生成、代碼缺陷檢測與修復、單元測試自動生成等功能。aiXcoder Europa可根據(jù)企業(yè)數(shù)據(jù)安全和算力要求，為企業(yè)提供私有化部署和個性化訓練服務，有效降低代碼大模型的應用成本，提升研發(fā)效率。

2024年4月9日，aiXcoder-7B Base版誕生。

?

有何能耐

盡管aiXcoder只是一個7B大小的模型，但在HumanEval、MBPP和MultiPL-E等主流代碼生成評測集上，它平均得分居然超過340億參數(shù)的Codellama。要知道，后者來自Meta、基于Llama2，可是開源界最先進的AI編程大模型之作。

?

?

?

核心能力

代碼生成與補全的卓越性能

aiXcoder-7B模型在HumanEval、MBPP和MultiPL-E等主流評測集上的表現(xiàn)超越了參數(shù)規(guī)模更大的模型，這得益于其深度學習架構(gòu)和大規(guī)模的訓練數(shù)據(jù)。它能夠生成和補全包括方法塊、條件判斷、循環(huán)處理、異常捕捉等多種代碼結(jié)構(gòu)，大大提升了代碼編寫的效率。

測試顯示，在貼近真實開發(fā)場景的評測集CrossCodeEval上，aiXcoder-7B一舉拿下了同級別模型的最好效果：

?

企業(yè)級場景的深度定制與私有化部署

aiXcoder-7B模型支持企業(yè)根據(jù)自身的軟件開發(fā)框架和API庫進行個性化訓練，確保模型能夠理解并適應企業(yè)特定的代碼規(guī)范和業(yè)務邏輯。同時，模型的私有化部署能力，讓企業(yè)能夠在本地安全地使用模型，保護了企業(yè)的核心知識產(chǎn)權(quán)。

?

跨文件的智能分析與補全

aiXcoder-7B模型不僅理解單個文件的上下文，還能跨多個文件進行智能分析，這對于大型軟件項目尤為重要。模型能夠識別項目中不同文件的關(guān)聯(lián)，生成和補全代碼時考慮到整個項目的結(jié)構(gòu)，提高了代碼的一致性和可維護性。

測試顯示，aiXcoder-7B Base版結(jié)合單文件上下文的代碼補全能力超越StarCoder2、CodeLlama等一眾模型，在Python、JS和Java語言上綜合得分最高。

?

持續(xù)的技術(shù)創(chuàng)新與優(yōu)化

aiXcoder團隊在模型訓練中采用了創(chuàng)新的方法，如將代碼的抽象語法樹結(jié)構(gòu)融入預訓練過程，顯著提升了模型對代碼語義和邏輯的理解能力。此外，團隊還構(gòu)建了大規(guī)模的優(yōu)質(zhì)代碼語料庫，通過精心的數(shù)據(jù)預處理，確保了模型訓練的質(zhì)量和效果。

?

應用案例

金融行業(yè)代碼生成應用

以正在進行數(shù)智化轉(zhuǎn)型的某行業(yè)頭部券商為例，該企業(yè)采用了aiXcoder的大模型解決方案，在本地環(huán)境私有化部署代碼大模型，并結(jié)合企業(yè)自身領域知識進行個性化訓練。結(jié)果顯示，在業(yè)務邏輯代碼上，代碼生成占比提升了2倍，顯著提高了開發(fā)效率。

?

跨文件動態(tài)規(guī)劃狀態(tài)類補全

在另一個案例中，aiXcoder-7B模型展現(xiàn)了其跨文件分析的能力。面對需要在樹結(jié)構(gòu)上應用動態(tài)規(guī)劃的復雜任務，模型準確識別了不同文件間的邏輯關(guān)系，并給出了正確的預測結(jié)果，展現(xiàn)了其在處理復雜編程問題上的實力。

?

技術(shù)細節(jié)

訓練數(shù)據(jù)的構(gòu)建與優(yōu)化

aiXcoder-7B模型的訓練數(shù)據(jù)量達到了1.2T Unique Tokens，這一龐大的數(shù)據(jù)集經(jīng)過了嚴格的語法分析和靜態(tài)分析，排除了常見的Bug和代碼缺陷，確保了模型訓練的高質(zhì)量。

?

預訓練方法的創(chuàng)新

aiXcoder團隊在預訓練方法上進行了創(chuàng)新，將代碼的抽象語法樹結(jié)構(gòu)融入到預訓練過程中，這一方法有效地提升了模型對代碼結(jié)構(gòu)特征的捕捉能力，從而生成更高質(zhì)量的代碼。

?

模型的個性化訓練技術(shù)

aiXcoder-7B模型的個性化訓練技術(shù)是其另一大亮點。通過構(gòu)建企業(yè)專屬的數(shù)據(jù)集和測評集，結(jié)合企業(yè)代碼特征和員工編程習慣，模型能夠更好地適應企業(yè)的開發(fā)環(huán)境，實現(xiàn)更高效的個性化應用。

?

總結(jié)

在科技的璀璨星河中，每一次技術(shù)的突破都如同新星的誕生，照亮了未來的無限可能。隨著代碼大模型的能力日益增強，它們在解決復雜編程問題上的卓越表現(xiàn)，不僅在提高軟件開發(fā)的效率和質(zhì)量上發(fā)揮著重要作用，在推動編程自動化的浪潮中扮演著關(guān)鍵角色，更激發(fā)了程序員們的創(chuàng)新潛能，讓他們能夠?qū)⒏嗟木ν度氲教剿骱蛣?chuàng)造中。

aiXcoder-7B模型的出現(xiàn)，預示著軟件開發(fā)領域?qū)⒂瓉硪粓鲂碌母锩?。隨著技術(shù)的不斷進步，aiXcoder-7B將成為軟件開發(fā)領域中的“新質(zhì)生產(chǎn)力”，幫助企業(yè)實現(xiàn)智能化開發(fā)，推動技術(shù)行業(yè)的生態(tài)發(fā)展。

隨著代碼大模型不斷發(fā)展，不僅加速了軟件開發(fā)自動化的進程，更在重塑技術(shù)行業(yè)的生態(tài)，引領著未來發(fā)展的趨勢：加快實現(xiàn)軟件開發(fā)自動化。這既是行業(yè)大勢所趨，更是發(fā)展的必然選擇。榮幸的是，我們正站在這個轉(zhuǎn)折點面前，見證著這一趨勢的興起和實現(xiàn)。

作為一名IT技術(shù)人員，我對代碼大模型的未來發(fā)展充滿期待。它不僅解決了當前軟件開發(fā)中的多個痛點，更為大家展示了一個全新的編程未來。模型的不斷開源和企業(yè)級特性，將推動整個行業(yè)向更高效、更智能的方向發(fā)展。對于熱愛編程的人來說，不僅僅是一個工具，更是一個能夠激發(fā)創(chuàng)新、提升生產(chǎn)力的伙伴。讓我們一起期待并擁抱這場由AI引領的編程革命吧！

?

開源地址

https://github.com/aixcoder-plugin/aiXcoder-7B

https://gitee.com/aixcoder-model/aixcoder-7b

https://www.gitlink.org.cn/aixcoder/aixcoder-7b-model

感興趣的小伙伴可自行體驗，也可以等我后續(xù)的測試分享，讓我們一起支持國產(chǎn)開源大模型吧！

審核編輯 黃宇