license: apache-2.0 library_name: transformers base_model: 01-ai/Yi-Coder-1.5B

🐙 GitHub • 👾 Discord • 🐤 Twitter • 💬 微信
📝 论文 • 💪 技术博客 • 🙌 常见问题 • 📗 学习中心

简介

Yi-Coder 是一系列开源代码语言模型，在参数规模小于 100 亿的情况下实现了最先进的编码性能。

主要特性：

• 具备出色的长文本理解能力，最大上下文长度达 128K tokens
• 支持 52 种主流编程语言：

  'java', 'markdown', 'python', 'php', 'javascript', 'c++', 'c#', 'c', 'typescript', 'html', 'go', 'java_server_pages', 'dart', 'objective-c', 'kotlin', 'tex', 'swift', 'ruby', 'sql', 'rust', 'css', 'yaml', 'matlab', 'lua', 'json', 'shell', 'visual_basic', 'scala', 'rmarkdown', 'pascal', 'fortran', 'haskell', 'assembly', 'perl', 'julia', 'cmake', 'groovy', 'ocaml', 'powershell', 'elixir', 'clojure', 'makefile', 'coffeescript', 'erlang', 'lisp', 'toml', 'batchfile', 'cobol', 'dockerfile', 'r', 'prolog', 'verilog'

模型详情与基准测试请参阅 Yi-Coder 技术博客 和 Yi-Coder 说明文档。

模型列表

基准测试

如下图所示，Yi-Coder-9B-Chat 在 LiveCodeBench 测试中取得了 23% 的惊人通过率，成为唯一突破 20% 的 100 亿参数以下模型。其表现优于 DeepSeekCoder-33B-Ins（22.3%）、CodeGeex4-9B-all（17.8%）、CodeLLama-34B-Ins（13.3%）和 CodeQwen1.5-7B-Chat（12%）。

快速开始

您可以使用 transformers 库运行 Yi-Coder 模型（包括对话版和基础版）进行推理，示例如下：

from transformers import AutoTokenizer, AutoModelForCausalLM

device = "cuda" # 模型加载设备
model_path = "01-ai/Yi-Coder-9B-Chat"

tokenizer = AutoTokenizer.from_pretrained(model_path)
model = AutoModelForCausalLM.from_pretrained(model_path, device_map="auto").eval()

prompt = "编写一个快速排序算法。"
messages = [
    {"role": "system", "content": "你是一个乐于助人的助手。"},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(device)

generated_ids = model.generate(
    model_inputs.input_ids,
    max_new_tokens=1024,
    eos_token_id=tokenizer.eos_token_id  
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)

快速上手 Yi-Coder 系列模型，请参阅 Yi-Coder 说明文档。