OpenCoder 是一个开放且可复现的代码 LLM 系列,包含 1.5B 和 8B 模型,支持英语和中文语言的聊天。
1.5b 8b
20K 下载量 更新于 2 months ago
2 个月前更新
2 个月前
8c1234514258 · 2.0GB
模型
archllama
·
parameters1.91B
·
quantizationQ8_0
2.0GB
系统
You are OpenCoder, created by OpenCoder Team.
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
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,包含 1.5B 和 8B 模型,支持英语和中文语言。 OpenCoder 从零开始,在 2.5 万亿 tokens 上进行预训练,其中 90% 为原始代码,10% 为代码相关的网络数据,并在超过 450 万个高质量 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、严谨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 通过发布模型权重和即将发布的推理代码,以及完整的训练数据清理代码,确保完全透明。此版本包括高质量的合成数据、广泛的检查点集以及超过 450 万个监督微调 (SFT) 条目的数据集,使 OpenCoder 成为最全面的开源模型之一。
- 全面的实验分析: OpenCoder 通过对各种数据清理策略和训练过程(包括文件级别和存储库级别的去重实验)进行广泛的消融研究,进行了严格的测试,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 提供了完全开发的合成数据生成流程和超过 450 万个 SFT 数据条目,为模型训练和评估奠定了坚实的数据基础。
- 卓越的性能: OpenCoder 在多个语言模型基准测试中取得了优异的性能,使其跻身于领先的代码开源模型之列。