language:

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

代码骆驼(Code Llama)

Code Llama是一系列预训练和微调的生成式文本模型集合，参数量级从70亿到340亿不等。本仓库存储的是Hugging Face Transformers格式的70亿参数Python专用版本。该模型专为通用代码合成与理解而设计。其他模型的链接可在底部索引中找到。

[!注意] 此为非官方Code Llama仓库。官方Meta仓库请访问Meta Llama组织。

模型使用

使用前请确保安装transformers库：

pip install transformers accelerate

模型能力：

• [x] 代码补全
• [ ] 代码填充
• [ ] 指令/聊天
• [x] Python专项

模型详情

*注：该模型使用受Meta许可协议约束。Meta开发并公开发布了Code Llama系列大语言模型(LLMs)。

开发机构 Meta

版本变体 Code Llama提供三种规模及三种变体：

• Code Llama：通用代码合成与理解的基础模型
• Code Llama - Python：专为Python设计
• Code Llama - Instruct：适用于指令跟随与安全部署

所有变体均提供7B、13B和34B参数版本。

本仓库包含7B参数的Python专用版本

输入 仅接受文本输入

输出 仅生成文本输出

架构 采用优化Transformer架构的自回归语言模型

训练时间 2023年1月至7月期间完成训练

状态 基于离线数据集训练的静态模型。后续将根据社区反馈持续优化Instruct版本的安全性。

许可 商业许可详见：https://ai.meta.com/resources/models-and-libraries/llama-downloads/

研究论文 详见《Code Llama: 代码开源基础模型》或arXiv页面

适用范围

适用场景 支持英语及相关编程语言的商业与研究用途。基础模型适用于各类代码合成与理解任务，Python专用版专注处理Python语言，Instruct版本更适用于代码助手与生成应用。

非适用场景 任何违反法律法规的使用；非英语场景应用；违反《Code Llama可接受使用政策及许可协议》的行为。

硬件与软件

训练环境 使用定制训练库，在Meta研究超级计算集群完成训练与微调。

碳足迹 训练全部9个模型累计消耗40万A100-80GB GPU小时（TDP 350-400W），总排放量65.3吨CO2当量，已通过Meta碳中和计划全额抵消。

训练数据

所有实验及发布模型均采用与Llama 2相同数据训练（不同权重配置详见论文第2章表1）

评估结果

评估数据详见论文第3章核心模型测试与第4章安全性评估。

伦理考量与限制

作为新兴技术，Code Llama存在使用风险。当前测试仅覆盖英语场景，无法涵盖所有情况。与其他LLM类似，其输出可能存在不可预测的偏差或不准确内容。部署前开发者应进行针对性安全测试与调优。

责任使用指南详见：https://ai.meta.com/llama/responsible-use-guide