extra_gated_heading: 访问此模型需向Meta共享联系信息 extra_gated_prompt: >-

LLAMA 2社区许可协议

"协议"指本文规定的Llama材料使用、复制、分发和修改条款。 "文档"指Meta在https://ai.meta.com/resources/models-and-libraries/llama-downloads/分发的Llama 2配套规范、手册和文档。
"被许可方"或"您"指达到适用法律规定的法定同意年龄，且具有法律约束力的个人或实体（若您代表他人签订本协议）。 "Llama 2"指Meta在ai.meta.com/resources/models-and-libraries/llama-downloads/发布的基础大语言模型及相关算法，包括机器学习模型代码、训练权重、推理代码等。 "Llama材料"统指本协议提供的Meta专有Llama 2及其文档。 "Meta"根据用户所在地指代Meta Platforms爱尔兰有限公司（欧盟/瑞士）或Meta Platforms公司（其他地区）。 点击"接受"或使用Llama材料即表示同意受本协议约束。

1. 许可权利 a. 授予非独占、全球性、不可转让的免费许可，允许使用、复制、分发及创建衍生作品。 b. 分发要求： i. 向第三方分发时须附带本协议 ii. 通过集成产品获取材料时不适用第2条 iii. 须保留版权声明 iv. 使用需符合法律法规及《可接受使用政策》 v. 禁止用于改进其他大语言模型（Llama 2衍生作品除外）

2. 商业条款 若月活用户超7亿，需向Meta申请额外许可。

3. 免责声明 除非法律要求，Llama材料按"原样"提供，不承担任何明示或默示担保。

4. 责任限制 Meta不承担因协议引起的任何间接、特殊或惩罚性损害赔偿。

5. 知识产权 a. 不授予商标许可 b. 您拥有自行修改的衍生作品所有权 c. 对Meta提起侵权诉讼将导致许可终止

6. 期限与终止 违约时Meta可终止协议，终止后须删除材料。第3/4/7条持续有效。

7. 适用法律 受加利福尼亚州法律管辖，排除联合国国际货物销售合同公约。

Llama 2可接受使用政策

禁止用途包括：

1. 违法活动：暴力、儿童剥削、人口贩卖、非法职业实践等
2. 高危活动：军事、武器开发、关键基础设施操作等
3. 欺骗行为：生成虚假信息、垃圾内容、冒充他人等
4. 未披露AI系统风险

违规举报渠道：

• 模型问题：github.com/facebookresearch/llama
• 风险输出：developers.facebook.com/llama_output_feedback
• 安全漏洞：facebook.com/whitehat/info
• 政策违规：LlamaUseReport@meta.com extra_gated_fields: 名字: 文本 姓氏: 文本 出生日期: 日期选择器 国家: 国家选择 所属机构: 文本 地理位置: IP定位
  点击提交即表示接受许可条款，并同意根据Meta隐私政策处理所提供信息: 复选框 extra_gated_description: 所提供信息将按照Meta隐私政策进行收集、存储和处理。 extra_gated_button_content: 提交 language:

• 代码 pipeline_tag: 文本生成 tags:
• facebook
• meta
• pytorch
• llama
• llama-2 license: llama2

Code Llama

Code Llama是包含70亿到340亿参数规模的预训练及微调生成文本模型系列。本仓库为Hugging Face Transformers格式的7B基础版本，适用于通用代码生成与理解。其他模型索引见底部。

使用方式

安装依赖：

pip install transformers accelerate

功能支持：

• [x] 代码补全
• [x] 代码填充
• [ ] 指令交互
• [ ] Python专项

示例代码：

from transformers import AutoTokenizer
import transformers
import torch

model = "meta-llama/CodeLlama-7b-hf"

tokenizer = AutoTokenizer.from_pretrained(model)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

sequences = pipeline(
    'import socket\n\ndef ping_exponential_backoff(host: str):',
    do_sample=True,
    top_k=10,
    temperature=0.1,
    top_p=0.95,
    num_return_sequences=1,
    eos_token_id=tokenizer.eos_token_id,
    max_length=200,
)
for seq in sequences:
    print(f"生成结果: {seq['generated_text']}")

模型详情

开发者 Meta

版本类型

• Code Llama：通用代码生成基础模型
• Code Llama-Python：Python专用版
• Code Llama-Instruct：指令跟随安全版

参数规模 7B/13B/34B/70B

本仓库 7B基础版

输入输出 仅处理文本

架构 基于优化Transformer的自回归语言模型

训练时间 2023年1月至7月

许可 需遵守Meta自定义商业许可

论文 《Code Llama：代码基础开源模型》

使用范围

适用场景 支持英语及相关编程语言的商业与研究用途：

• 基础版：通用代码任务
• Python版：Python专项处理
• Instruct版：更安全的代码助手

限制场景 违反法律法规、非英语使用等被禁止的用途。

硬件与碳足迹

训练设施 使用Meta研究超级集群

碳排放 总训练耗电40万A100-80GB GPU小时，排放65.3吨CO2当量，已通过Meta碳中和计划抵消。

训练数据

训练数据与Llama 2相同但权重分配不同（详见论文第2章）。

伦理声明

作为新技术存在使用风险，开发者需根据具体应用场景进行安全测试与调优。请参阅《负责任使用指南》。