這些模型目前有三種不同的大小，已經(jīng)在600多種編程語言(包括低資源語言)上進(jìn)行了培訓(xùn)，以幫助企業(yè)在其開發(fā)工作流中加速各種與代碼相關(guān)的任務(wù)，它們是在開放的BigCode項目下開發(fā)的，該項目是ServiceNow和Huging Face聯(lián)合發(fā)起的，以確保負(fù)責(zé)任地開發(fā)和使用大型代碼語言模型，在開放負(fù)責(zé)任的AI許可證下，它們是免費提供的。

StarCoder2證明了開放的科學(xué)合作和負(fù)責(zé)任的AI實踐與道德數(shù)據(jù)供應(yīng)鏈的結(jié)合力量。ServiceNow的StarCoder2開發(fā)團(tuán)隊負(fù)責(zé)人、BigCode的聯(lián)合負(fù)責(zé)人Harm de Vries在一份聲明中表示，最先進(jìn)的開放訪問模式改進(jìn)了以前的GenAI性能，以提高開發(fā)人員的生產(chǎn)力，并為開發(fā)人員提供平等的機(jī)會獲得代碼生成AI的好處，這反過來又使任何規(guī)模的企業(yè)能夠更容易地滿足其全部業(yè)務(wù)潛力。

StarCoder2：滿足三種不同需求的三種模型

雖然BigCode最初推出的StarCoder LLM只有15B參數(shù)，并接受了大約80種編程語言的培訓(xùn)，但最新一代產(chǎn)品超越了它，推出了三種不同大小的模型-3B、7B和15B - 并接受了619種編程語言的培訓(xùn)。根據(jù)BigCode的說法，被稱為Stack的新模型的訓(xùn)練數(shù)據(jù)比上次使用的數(shù)據(jù)大了七倍多。

更重要的是，BigCode社區(qū)使用了針對最新一代的新培訓(xùn)技術(shù)，以確保模型能夠理解并生成低資源編程語言，如COBOL、數(shù)學(xué)和程序源代碼討論。

最小的30億參數(shù)模型是使用ServiceNow的Fast LLM框架進(jìn)行訓(xùn)練的，而7B模型是使用Huging Face的Nantron框架開發(fā)的，兩者都旨在提供高性能的文本到代碼和文本到工作流生成，同時需要較少的計算。

同時，使用端到端的英偉達(dá) Nemo云本地框架和英偉達(dá) TensorRT-LLM軟件對最大的150億參數(shù)模型進(jìn)行了訓(xùn)練和優(yōu)化。

雖然這些機(jī)型在不同編碼場景中的表現(xiàn)如何仍有待觀察，但兩家公司確實注意到，最小的3B模型的性能與最初的15B StarCoder LLM相當(dāng)。

根據(jù)他們的需求，企業(yè)團(tuán)隊可以使用這些模型中的任何一個，并根據(jù)不同用例的企業(yè)數(shù)據(jù)對其進(jìn)行進(jìn)一步的微調(diào)，這可以是任何特殊任務(wù)，從應(yīng)用程序源代碼生成、工作流生成和文本摘要到代碼完成、高級代碼摘要和代碼片段檢索。

兩家公司強(qiáng)調(diào)，這些模型經(jīng)過更廣泛和更深入的培訓(xùn)，提供了存儲庫上下文，從而實現(xiàn)了準(zhǔn)確和上下文感知的預(yù)測。最終，所有這些都為加速開發(fā)鋪平了道路，同時節(jié)省了工程師和開發(fā)人員專注于更關(guān)鍵任務(wù)的時間。

英偉達(dá)應(yīng)用研究副總裁Jonathan Cohen在新聞聲明中表示：“由于每個軟件生態(tài)系統(tǒng)都有專有的編程語言，代碼LLM可以推動每個行業(yè)在效率和創(chuàng)新方面的突破。”

“英偉達(dá)與ServiceNow和Huging Face的合作引入了安全、負(fù)責(zé)任的開發(fā)模式，并支持更廣泛地接觸負(fù)責(zé)任的GenAI，我們希望這將使全球社會受益”，他補(bǔ)充道。

如何開始使用StarCoder2?

如前所述，StarCoder2系列中的所有模型都是在Open Rail-M許可證下提供的，可以免版稅訪問和使用。支持代碼可以在BigCode項目的GitHub庫中找到。作為另一種選擇，團(tuán)隊也可以下載并使用擁抱臉的所有三個模型。

也就是說，由英偉達(dá)培訓(xùn)的15B模型也將出現(xiàn)在英偉達(dá) AI Foundation上，使開發(fā)人員能夠直接從他們的瀏覽器或通過API端點進(jìn)行試驗。

雖然StarCoder不是AI驅(qū)動的代碼生成領(lǐng)域的第一個進(jìn)入者，但該項目的最新一代帶來的廣泛選擇肯定允許企業(yè)在應(yīng)用程序開發(fā)中利用LLMS，同時還可以節(jié)省計算。

該領(lǐng)域的其他知名參與者包括OpenAI和亞馬遜，前者提供Codex，為GitHub聯(lián)合試點服務(wù)提供支持，而后者提供CodeWhisper工具，還有來自Replit和Codenium的激烈競爭，Replit在Hugging Face上有幾個小型AI編碼模型，Codenium最近以5億美元的估值獲得了6500萬美元的B輪融資。