與 BigCode 社區(qū)共同創(chuàng)建的 StarCoder2 是在 600 多種編程語言上訓練而成，它將推進代碼生成、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準。

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，機器學習社區(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 種編程語言上訓練而成的 StarCoder2，可接受進一步的訓練并嵌入到企業(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 訓練的 30 億參數(shù)模型、由 Hugging Face 訓練的 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算量較少，可在提供強大性能的同時節(jié)省計算成本。實際上，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)團隊負責人兼 BigCode 聯(lián)合負責人 Harm de Vries 表示：“StarCoder2 證明了將開放式科學協(xié)作和負責任的 AI 實踐與道德數(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)者提供平等的機會，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?！?/p>

Hugging Face 機器學習工程師兼 BigCode 聯(lián)合負責人 Leandro von Werra 表示：“在 Hugging Face、ServiceNow 和 NVIDIA 的共同努力下，這套功能強大的基礎(chǔ)模型終于問世。在數(shù)據(jù)和訓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的潛力，我們正在努力實現(xiàn)負責任 AI 的全民化?！?/p>

NVIDIA 應(yīng)用研究副總裁 Jonathan Cohen 表示：“由于每個軟件生態(tài)系統(tǒng)都有專門的編程語言，代碼 LLM 可以推動各行業(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責任的模型，讓更多人能夠用上負責任的生成式 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)增添強大助力

StarCoder2 模型均使用來自 BigCode 的先進架構(gòu)和精心挑選的數(shù)據(jù)源。為了實現(xiàn)負責任的大規(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、深入的編程訓練，它可以提供資源庫上下文，從而實現(xiàn)準確的上下文感知預(yù)測。無論是經(jīng)驗豐富的軟件工程師還是業(yè)余開發(fā)者等，都能利用這些進步提升業(yè)務(wù)價值和推動數(shù)字化轉(zhuǎn)型。

StarCoder2 的基礎(chǔ)是一個名為 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。除了先進的數(shù)據(jù)集之外，新的訓練技術(shù)也有助于模型理解低資源編程語言（如 COBOL 等）、數(shù)學和程序源代碼討論。

使用特定業(yè)務(wù)數(shù)據(jù)對先進功能進行微調(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 模型進行微調(diào)?？梢詣?chuàng)建高級聊天機器人來處理更復(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)的個性化編碼助手、檢索相關(guān)代碼片段，并實現(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、用例和流程進行了微調(diào)和訓練。Hugging Face 也使用該模型創(chuàng)建了自己的 StarChat 助手。

BigCode 促進 AI 領(lǐng)域的開放式科學協(xié)作

BigCode 是一個由 Hugging Face 和 ServiceNow 領(lǐng)導的開放式科學協(xié)作社區(qū)，致力于負責任的代碼 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 項目的技術(shù)工作，分別使用 ServiceNow 的 Fast LLM 框架來訓練 30 億參數(shù)模型、使用 Hugging Face 的 nanotron 框架來訓練 70 億參數(shù)模型，以及 NVIDIA NeMo 云原生框架和 NVIDIA TensorRT-LLM 軟件來訓練和優(yōu)化 150 億參數(shù)模型。

BigCode 的核心宗旨是促進負責任的創(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)不用于訓練等做法都體現(xiàn)了這一點。StarCoder2 是在獲得 Inria 托管的 Software Heritage 數(shù)字共享許可下，使用負責任的數(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)建方式符合我們負責任地開發(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 許可下免費提供訪問和使用。為進一步促進透明度和協(xié)作，該模型的支持代碼將繼續(xù)保留在 BigCode 項目的 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 端點進行試用。