语言:

• 英文
• Python 许可证: MIT 标签:
• gpt_neo
• 代码合成 数据集:
• apps

GPT-Neo-125M-APPS-all

请参阅我们新的GitHub Wiki，其中详细记录了我们在创建GitHub Copilot开源版本过程中的努力

模型描述

GPT-Neo-125M-APPS-all是基于GPT-Neo-125M模型，在APPS数据集上进行微调的版本。该模型专门用于解决编程任务。

训练数据

该模型在自动化编程进展标准（APPS）数据集上进行训练。该数据集共包含10,000个编程问题，131,836个用于检查解决方案的测试用例，以及232,444个人工编写的标准答案。问题可能较为复杂，平均每个问题的长度为293.2个单词。数据被均匀分为训练集和测试集，各包含5,000个问题。

此模型使用了APPS数据集的大部分内容（包括训练集和测试集）进行微调，以探索这种训练任务对其他代码合成评估指标的影响。仅使用训练集进行微调的模型可以在此处找到。

训练过程

用于训练此模型的脚本可以在此处找到。

训练进行了5个epoch，使用AdamW优化器和线性衰减学习率调度，包含800个预热步骤。要复现训练过程，可以使用以下命令运行上述脚本：

python run_clm_apps.py \
    --output_dir $HOME/gpt-neo-125M-apps \
    --model_name_or_path EleutherAI/gpt-neo-125B \
    --dataset_name $HOME/gpt-code-clippy/data_processing/apps.py \
    --dataset_config_name formatted \
    --do_train --do_eval \
    --block_size="1024" \
    --per_device_train_batch_size="16" \
    --per_device_eval_batch_size="16" \
    --preprocessing_num_workers="16" \
    --learning_rate="8e-5" \
    --warmup_steps="800" \
    --adam_beta1="0.9" \
    --adam_beta2="0.98" \
    --weight_decay="0.1" \
    --overwrite_output_dir \
    --num_train_epochs="5" \
    --logging_steps="50" \
    --eval_steps="2000" \
    --report_to="wandb" \
    --dtype="bfloat16" \
    --save_strategy epoch \
    --gradient_accumulation_steps 2 \
    --all_data true \

预期用途与限制

该模型经过微调，用于根据文本描述和可选的起始代码解决编程问题。

使用方法

您可以直接使用文本生成的pipeline来使用此模型。以下示例每次运行时都会生成不同的序列：

from transformers import AutoModelForCausalLM, AutoTokenizer, FlaxAutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained("flax-community/gpt-code-clippy-125M-apps-alldata")
tokenizer = AutoTokenizer.from_pretrained("flax-community/gpt-code-clippy-125M-apps-alldata")

prompt = """
一个用于问候用户的函数。给定用户名，它应该说hello

def greet(name):

答案:
""" 

input_ids = tokenizer(prompt, return_tensors='pt').input_ids.to(device)
start = input_ids.size(1)
out = model.generate(input_ids, do_sample=True, max_length=50, num_beams=2, 
                     early_stopping=True, eos_token_id=tokenizer.eos_token_id, )

print(tokenizer.decode(out[0][start:]))

限制与偏见

该模型仅供研究使用，不保证生成代码的质量。

OpenAI的论文"Evaluating Large Language Models Trained on Code"详细讨论了大型语言模型在代码训练上的潜在影响。因此，这里重点介绍其中与该数据集及可能由此训练的模型相关的部分内容。同时也包括与论文中不同的观点，特别是关于法律影响的部分。

1. 过度依赖: 该模型可能生成看似正确但实际上并不正确的解决方案。未能正确评估生成的代码可能会导致负面后果，如引入错误或安全漏洞。因此，用户必须意识到使用此语言模型的局限性和潜在负面影响。

2. 经济与劳动力市场影响: 能够生成高质量代码的大型语言模型（如基于此数据集训练的模型）有潜力自动化部分软件开发流程。这可能对软件开发人员产生负面影响。然而，如论文所述，根据O*NET OnLine的软件开发人员总结报告所示，开发人员的工作不仅限于编写软件。

3. 偏见: 该模型在特定格式的提示问题数据上进行训练。如果提示格式与APPS数据集中的格式不同，模型的性能可能会下降。

GPT-CC是基于GPT-Neo微调的，可能继承了GPT-Neo的偏见和限制。详情请参阅GPT-Neo模型卡片。

评估结果

即将推出...