8.0
热点
AI SCORE
模型发布2023-05-05 01:42
StarCoder：首个开源 150 亿参数代码专用模型
Hacker News · huggingface.co#代码模型#开源#BigCode
Editor brief · 编辑速览
BigCode 项目发布的代码特化 LLM，支持代码生成和补全，开源可本地部署，对程序员生产力直接提升。
BigCode 是一个开放科学协作项目，致力于负责任地为编码应用训练大型语言模型。你可以在主网站上获取更多信息或在 Twitter 上关注 BigCode。在这个组织中你可以找到这个协作的成果：StarCoder 2，一个最先进的代码语言模型，以及前一代的 StarCoder 系列模型、The Stack（最大的具有宽松许可的代码预训练数据集）、Astraios（通过多种微调方法扩展指令调优的代码语言模型）、OctoPack（大型代码模型指令微调的工具集）和 SantaCoder（一个 1.1B 参数的代码模型）。
论文：关于 StarCoder2 的技术报告。
GitHub：关于使用或微调 StarCoder2 的所有必要信息。
StarCoder2-15B：用 600+ 编程语言和 4.3T 个 token 训练的 15B 模型。
StarCoder2-7B：用 17 种编程语言和 3.7T 个 token 训练的 7B 模型。
StarCoder2-3B：用 17 种编程语言和 3.3T 个 token 训练的 3B 模型。
治理卡片：概述模型治理的卡片。
StarCoder2 许可协议：模型在 BigCode OpenRAIL-M v1 许可协议下授权。
The Stack train smol：StarCoder2 3B 和 7B 训练数据集的 Software Heritage 标识符，包含 600B+ 个唯一 token。
The Stack train full：StarCoder2 15B 训练数据集的 Software Heritage 标识符，包含 900B+ 个唯一 token。
StarCoder2 搜索：在预训练数据集中进行全文搜索代码。
StarCoder2 成员资格测试：快速测试代码是否存在于预训练数据集中。
The Stack v2：The Stack v2 的精确去重版本。
The Stack v2 去重：The Stack v2 的近似去重版本（推荐用于训练）。
我在 The Stack 中吗：检查你的数据是否在 The Stack 中并请求退出。
论文：关于 StarCoder 的技术报告。
GitHub：关于使用或微调 StarCoder 的所有必要信息。
StarCoder：StarCoderBase 进一步在 Python 上训练的模型。
StarCoderBase：在 The Stack 上从 80+ 种语言训练的模型。
StarCoder+：StarCoderBase 进一步在英文网络数据上训练的模型。
StarEncoder：在 The Stack 上训练的编码器模型。
StarPii：基于 StarEncoder 的 PII 检测器。
StarCoder Playground：用 StarCoder 模型编写代码！
VSCode 扩展：用 StarCoder 编写代码！
StarChat：与 StarCoder 交互！
技术助手提示：使用这个提示你可以将 StarCoder 转变为技术助手。
StarCoder 编辑器：用 StarCoder 编辑！
治理卡片：概述模型治理的卡片。
StarCoder 许可协议：模型在 BigCode OpenRAIL-M v1 许可协议下授权。
StarCoder 数据：StarCoder 的预训练数据集。
StarCoder 搜索：在预训练数据集中进行全文搜索代码。
StarCoder 成员资格测试：快速测试代码是否存在于预训练数据集中。
The Stack：The Stack 的精确去重版本。
The Stack 去重：The Stack 的近似去重版本（推荐用于训练）。
我在 The Stack 中吗：检查你的数据是否在 The Stack 中并请求退出。
Github：为 BigCodeBench 设计的评估工具。
HF 排行榜：托管在 Hugging Face 上的 BigCodeBench 排行榜。
GP 排行榜：托管在 GitHub Pages 上的 BigCodeBench 排行榜。
数据集：BigCodeBench 数据集。
数据查看器：在交互式演示中探索 BigCodeBench 数据。
论文：包含 BigCodeBench 详细信息的研究论文。
OctoPack 包含与遵循人类指令的代码 LLM 相关的数据、评估和模型。
论文：包含 OctoPack 所有组件详细信息的研究论文。
GitHub：用于创建 OctoPack 的所有代码。
CommitPack：4TB 的 Git 提交。
我在 CommitPack 中吗：检查你的代码是否在 CommitPack 中。
CommitPackFT：2GB 的类似指令的高质量 Git 提交。
HumanEvalPack：用于代码修复/解释/合成的基准，支持 Python/JavaScript/Java/Go/C++/Rust。
OctoCoder：通过在 CommitPackFT 上训练 StarCoder 的指令微调模型。
OctoCoder 演示：试用 OctoCoder。
OctoGeeX：通过在 CommitPackFT 上训练 CodeGeeX2 的指令微调模型。
Astraios 是一个包含 28 个指令调优代码语言模型的模型套件。
论文：包含 Astraios 所有组件详细信息的研究论文。
GitHub：用于创建 Astraios 的所有代码。
Astraios-1B：StarCoderBase-1B 模型集合，通过 7 种方法在 CommitPackFT + OASST 上进行指令微调。
Astraios-3B：StarCoderBase-3B 模型集合，通过 7 种方法在 CommitPackFT + OASST 上进行指令微调。
Astraios-7B：StarCoderBase-7B 模型集合，通过 7 种方法在 CommitPackFT + OASST 上进行指令微调。
Astraios-15B：StarCoderBase-15B 模型集合，通过 7 种方法在 CommitPackFT + OASST 上进行指令微调。
SantaCoder：SantaCoder 模型。
SantaCoder 演示：用 SantaCoder 编写代码。
SantaCoder 搜索：在预训练数据集中搜索代码。
SantaCoder 许可：SantaCoder 的 OpenRAIL 许可。
通过向两个 AI 模型发送代码并查看它们的响应来比较它们。
论文 • 2510.08697 • 发布于 2025 年 10 月 9 日 • 40
查看器 • 更新于 2025 年 10 月 13 日 • 14.1k • 74 • 2
查看器 • 更新于 2025 年 10 月 13 日 • 4.73k • 57 • 1
文本生成 • 16B • 更新于 2024 年 6 月 5 日 • 7.01k • 674
文本生成 • 7B • 更新于 2024 年 6 月 11 日 • 9.82k • 220
文本生成 • 3B • 更新于 2024 年 3 月 4 日 • 194k • 221
查看器 • 更新于 2024 年 4 月 23 日 • 5.45B • 13.9k • 611
通过向两个 AI 模型发送代码并查看它们的响应来比较它们。
论文 • 2510.08697 • 发布于 2025 年 10 月 9 日 • 40
查看器 • 更新于 2025 年 10 月 13 日 • 14.1k • 74 • 2
查看器 • 更新于 2025 年 10 月 13 日 • 4.73k • 57 • 1
文本生成 • 16B • 更新于 2024 年 6 月 5 日 • 7.01k • 674
文本生成 • 7B • 更新于 2024 年 6 月 11 日 • 9.82k • 220
文本生成 • 3B • 更新于 2024 年 3 月 4 日 • 194k • 221
查看器 • 更新于 2024 年 4 月 23 日 • 5.45B • 13.9k • 611
通过向两个 AI 模型发送代码并查看它们的响应来比较它们。
评估代码样本并使用指定的参数进行评估。
评估代码样本并使用指定的参数进行评估。
探索代码生成模型排行榜和任务详情。
在 Web 应用中显示 PDF 文件。
模型 69 · 排序：最近更新
数据集 93 · 排序：最近更新