granite-8b-code-instruct-4k

Granite-8B-Code-Instruct-4K 项目介绍

概述

Granite-8B-Code-Instruct-4K 是IBM研究院开发的一款拥有80亿参数的模型。该模型是在Granite-8B-Code-Base-4K的基础上进行了微调，通过结合具有开放许可的数据集，增强了模型对指令的理解和逻辑推理能力，特别是在解决问题方面。

开发者：IBM研究院
GitHub 仓库：ibm-granite/granite-code-models
相关论文：Granite Code Models: A Family of Open Foundation Models for Code Intelligence
发布时间：2024年5月6日
许可协议：Apache 2.0

使用说明

预期用途

该模型专为响应与编程相关的指令而设计，可用于构建编程助手。通过与用户进行交互，它帮助编写代码、解决编程问题等操作。

生成示例

以下是如何使用Granite-8B-Code-Instruct-4K模型生成代码的简单示例：

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

device = "cuda" # 或 "cpu"
model_path = "ibm-granite/granite-8b-code-instruct-4k"
tokenizer = AutoTokenizer.from_pretrained(model_path)

model = AutoModelForCausalLM.from_pretrained(model_path, device_map=device)
model.eval()

chat = [
    { "role": "user", "content": "编写一个代码来找出数字列表中的最大值。" },
]

chat = tokenizer.apply_chat_template(chat, tokenize=False, add_generation_prompt=True)

input_tokens = tokenizer(chat, return_tensors="pt")

for i in input_tokens:
    input_tokens[i] = input_tokens[i].to(device)

output = model.generate(**input_tokens, max_new_tokens=100)

output = tokenizer.batch_decode(output)

for i in output:
    print(i)

训练数据

Granite Code Instruct模型的训练数据主要包括以下几类：

代码提交数据集：我们使用了来自CommitPackFT的数据集，仅选择了92种编程语言中有代表性的代码提交数据。
数学数据集：使用了两个高质量的数学数据集，MathInstruct和MetaMathQA，以加强数学问题解决能力。
代码指令数据集：使用了Glaive-Code-Assistant-v3、Glaive-Function-Calling-v2等数据集。
语言指令数据集：使用了HelpSteer等数据集，以确保模型能够正确响应涉及其名称或开发者的询问。

基础设施

IBM使用其两个超级计算集群Vela和Blue Vela训练Granite Code模型，这些集群配备了NVIDIA A100和H100 GPU，提供了可扩展和高效的训练环境。

伦理考量与限制

Granite代码指令模型主要基于特定编程语言的指令-响应对进行微调，因此在不常见的编程语言上可能存在性能限制。在这种情况下，提供少量示例可以引导模型输出。此外，开发者在关键应用中部署这些模型之前，应进行安全测试和目标特定调优。模型还继承了其基础模型的伦理考量和限制。详细信息请参考*Granite-8B-Code-Base-4K*模型卡。