Meta AI 重磅发布代码大模型 Code Llama

关注

原创最新推荐文章于 2026-08-20 09:01:37 发布 1.1k 阅读 AI 写同款· GEO 优化 ›

基于LM Studio + LLaMA3 建立本地化的ChatGPT 4月19日，Facebook母公司Meta重磅推出了Llama3。即便大家现在对于大厂和巨头频繁迭代AI模型的行为已经见怪不怪，Meta的Llama3仍旧显得与众不同，因为这是迄今最强大的开源AI模型。LLaMA模型通常采用了类似于GPT（由OpenAI开发）的变换器（Transformer）架构。这种架构特别适合处理大量的自然语言数据，并能有效地学习语言的深层结构和上下文。结合LM Studio，我们就可以将LLaMA3部署在本地服务器，广泛的应用客户服务、RAG等领域。阅读详情

刚刚，Meta AI 如期而至发布了 Code Llama ，这是一个可以使用文本提示生成代码的大型语言模型 (LLM)。 Code Llama 是针对代码任务的公开LLM的最先进技术，有可能使当前开发人员的工作流程更快、更高效，并降低学习编码人员的进入门槛。 Code Llama有潜力用作生产力和教育工具，帮助程序员编写更强大、文档更齐全的软件。

值得让人兴奋的是，Code Llama 完全开源，现已公开供研究和商业用途。

一、Meta AI News

Meta AI 近期的重磅动作频频不断，短短一个多月的时间接连发布了一系列开源大模型，下面我们看看都有哪些有影响力的产品。

2023 年 7 月 14 日，Meta AI 隆重推出 CM3leon，这是一款首个多模态模型，可实现最先进的文本到图像生成性能，计算效率是竞争模型的 5 倍。

2023 年 7 月 18 日，Meta 和 Microsoft 推出下一代 Llama，Llama 2 可免费用于研究和商业用途。

Llama 2 是 Meta 的开源大语言模型 (LLM)。这基本上是 Facebook 母公司对 OpenAI 的 GPT 模型和 Google 的 AI 模型（如 PaLM 2）的回应，但有一个关键区别：它几乎可以免费供任何人用于研究和商业目的。2023 年 8 月 16 日

2023 年 8 月 2 日，Meta 的母公司 Facebook 推出了一款名为 AudioCraft 的新型生成式人工智能工具，该工具允许用户使用文本提示创建高质量的音频和音乐。该工具包括音频模型MusicGen、AudioGen和EnCodec，可以根据文本提示生成音乐和音频。

AudioCraft 由三个模型组成：MusicGen、AudioGen 和 EnCodec。 MusicGen 使用 Meta 拥有且专门授权的音乐进行训练，根据文本提示生成音乐，而 AudioGen 使用公共音效进行训练，根据文本提示生成音频。

2023 年 8 月 23 日，Meta AI 隆重推出 SeamlessM4T，这是第一个一体化多语言多模式翻译模型。这个单一模型可以根据任务执行多达 100 种语言的语音到文本、语音到语音、文本到文本翻译和语音识别任务。

同日，MetaAI 的新 SeamlessM4T 模型现已在 Hugging Face 上提供！

2023 年 8 月 24 日，据The Information报道，Meta于本周四（8月24日）发布开源代码生成AI模型 Code Llama。该模型旨在帮助开发人员在编写代码时自动推荐代码片段，以提升开发效率，同时也旨在使公司更便于创建AI助手。

二、Code Llama 的工作原理

Code Llama 是 Llama 2 的代码专用版本，是通过在其特定于代码的数据集上进一步训练 Llama 2 来创建的，从同一数据集中采样更多数据的时间更长。从本质上讲，Code Llama 具有增强的编码功能，建立在 Llama 2 之上。它可以根据代码和自然语言提示生成代码和有关代码的自然语言（例如，“给我写一个输出斐波那契序列的函数。”）它还可用于代码完成和调试。它支持当今使用的许多最流行的语言，包括 Python、C++、Java、PHP、Typescript (Javascript)、C# 和 Bash（有关完整列表，请参阅我们的研究论文）。

Meta发布了三种尺寸的 Code Llama，分别具有 7B、13B 和 34B 参数。每个模型都使用 500B 代码令牌和代码相关数据进行训练。 7B 和 13B 基础模型和指令模型也经过了中间填充 (FIM) 功能的训练，允许它们将代码插入到现有代码中，这意味着它们可以支持开箱即用的代码完成等任务。

这三种模型满足不同的服务和延迟要求。例如，7B 模型可以在单个 GPU 上运行。 34B 模型返回最佳结果并提供更好的编码辅助，但较小的 7B 和 13B 模型速度更快，更适合需要低延迟的任务，例如实时代码完成。

Code Llama 模型提供了具有多达 100,000 个上下文标记的稳定生成。所有模型都在 16,000 个标记的序列上进行训练，并在最多 100,000 个标记的输入上显示出改进。

除了是生成更长程序的先决条件之外，拥有更长的输入序列还可以为代码法学硕士解锁令人兴奋的新用例。例如，用户可以为模型提供来自其代码库的更多上下文，以使各代更相关。它还有助于在较大的代码库中调试场景，在这种情况下，掌握与具体问题相关的所有代码对于开发人员来说可能是一项挑战。当开发人员面临调试大量代码时，他们可以将整个代码长度传递到模型中。

此外，Meta还进一步微调了 Code Llama 的两个附加变体：Code Llama - Python 和 Code Llama - Instruct。

Code Llama - Python 是 Code Llama 的语言专用变体，在 Python 代码的 100B 标记上进一步微调。因为 Python 是代码生成方面最具基准测试的语言，并且因为 Python 和 PyTorch 在 AI 社区中发挥着重要作用，所以我们相信专门的模型可以提供额外的实用性。

Code Llama - Instruct 是 Code Llama 的指令微调和对齐变体。指令调整继续训练过程，但目标不同。该模型接受“自然语言指令”输入和预期输出。这使得它能够更好地理解人们对提示的期望。我们建议在使用 Code Llama 进行代码生成时使用 Code Llama - Instruct 变体，因为 Code Llama - Instruct 已经过微调，可以用自然语言生成有用且安全的答案。

Meta不建议使用 Code Llama 或 Code Llama - Python 执行一般自然语言任务，因为这两个模型都不是为遵循自然语言指令而设计的。 Code Llama 专门用于特定于代码的任务，不适合作为其他任务的基础模型。

使用 Code Llama 模型时，用户必须遵守我们的许可和可接受的使用政策。

三、评估 Code Llama 的性能

为了针对现有解决方案测试 Code Llama 的性能，我们使用了两个流行的编码基准：HumanEval 和 Mostly Basic Python 编程 (MBPP)。 HumanEval 测试模型根据文档字符串完成代码的能力，MBPP 测试模型根据描述编写代码的能力。

我们的基准测试表明，Code Llama 的表现优于开源、特定代码的 Llama，并且优于 Llama 2。例如，Code Llama 34B 在 HumanEval 上得分为 53.7%，在 MBPP 上得分为 56.2%，与其他状态相比最高。最先进的开放解决方案，与 ChatGPT 相当。

与所有尖端技术一样，Code Llama 也存在风险。负责任地构建人工智能模型至关重要，我们在发布 Code Llama 之前采取了许多安全措施。作为红队工作的一部分，我们对 Code Llama 生成恶意代码的风险进行了定量评估。我们创建了一些提示，试图以明确的意图征求恶意代码，并根据 ChatGPT (GPT3.5 Turbo) 对 Code Llama 对这些提示的响应进行评分。我们的结果发现，Code Llama 的回答更安全。

有关负责任人工智能、进攻性安全工程、恶意软件开发和软件工程领域专家的红队工作的详细信息，请参阅我们的研究论文。