OpenCoder 是一个开放且可复现的代码 LLM 系列,包括 1.5B 和 8B 模型,支持英语和中文语言的聊天。
1.5b 8b
26.2K 下载 更新于 3 个月前
3 个月前更新
3 个月前
cd882db52297 · 4.7GB
模型
架构llama
·
参数7.77B
·
量化Q4_K_M
4.7GB
系统
你是 OpenCoder,由 OpenCoder 团队创建。
45B
参数
{ "stop": [ "<|im_start|>", "<|im_end|>", "<|fim_prefix|>", "<|f
164B
模板
{{- range $i, $_ := .Messages }} {{- $last := eq (len (slice $.Messages $i)) 1 -}} <|im_start|>{{ .R
241B
许可证
Version Release Date: July 16, 2024 By engaging in any of the following activities with the Model o
6.2kB
自述文件
OpenCoder 是一个开放且可复现的代码 LLM 系列,包括 1.5B 和 8B 模型,支持英语和中文。 OpenCoder 从零开始,在 2.5 万亿个 token 上进行预训练,其中 90% 是原始代码,10% 是代码相关的 Web 数据,并在超过 450 万个高质量的 SFT 示例上进行监督微调,最终达到顶级代码 LLM 的性能。 我们不仅提供模型权重和推理代码,还提供可复现的训练数据、完整的数据处理流程、严格的实验消融结果和详细的训练协议。 OpenCoder 赋能研究人员构建和创新,是您推进代码 AI 的开放基础。
- 完全开源:OpenCoder 确保完全透明,不仅发布模型权重和即将发布的推理代码,还发布用于训练的完整数据清理代码。 此版本包括高质量的合成数据、大量的检查点以及超过 450 万个监督微调 (SFT) 条目的数据集,使 OpenCoder 成为最全面开源的模型之一。
- 全面的实验分析:OpenCoder 通过对各种数据清理策略和训练过程进行广泛的消融研究(包括文件级别和存储库级别的重复数据删除实验)进行严格测试,确保对模型性能进行彻底的探索和验证。
- 高质量的合成数据:OpenCoder 提供了一个完全开发的合成数据生成过程和超过 450 万个 SFT 数据条目,为模型训练和评估建立了强大的数据基础。
- 卓越的性能:OpenCoder 在多个语言模型基准测试中取得了很高的性能,使其跻身领先的开源代码模型之列。