声明:本文来自于微信公众号 AIGC开放社区（ID:AIGCOPEN），作者:AIGC开放社区，授权站长之家转载发布。
生成式AI代码开发平台Phind在官网发布了最新V7版本，性能方面超越GPT-4，运行效率提升了5倍，并且支持中文和16K超长上下文。
据悉，Phind V7是基于Phind的开源代码模型CodeLlama-34B V2，以及700亿个高质量代码和推理问题进行了额外精调。
CodeLlama-34B V2在huggingface（笑脸）的代码大模型排行榜中位居第一名，这也是首个击败GPT-4的开源代码项目。
无需注册，免费在线测试地址:https://www.phind.com/
开源地址:https://huggingface.co/Phind/Phind-CodeLlama-34B-v2
Phind V7专业代码开发平台
Phind V7在HumanEval上的测试分数达到74.7%，成功超越了GPT-4在今年3月份的官方技术报告中公布的67%的成绩。
但Phind发现，HumanEval的评分并不能准确地反映出大模型的实用性。
Phind将多个版本部署到自家服务平台后，收集到了大量反馈信息，发现其模型在大多数真实问题上的表现与GPT-4相当甚至更好。
许多在其Discord社区的用户已经开始只使用Phind的产品，尽管他们也订阅了GPT-4。
除了性能超强之外，运行速度是Phind V7的一大技术亮点，通过在NVIDIA的新型TensorRT-LLM库上运行模型，Phind成功实现了比GPT-4快5倍的运行速度，达到每秒处理100tokens。
另一个优点是Phind支持多达16k tokens的上下文。目前，Phind允许用户输入最多12k tokens，剩余的4k tokens用于网络结果。
Phind V7精通Python、C/C++、TypeScript、Java等主流编程语言，使用界面也简单直观，直接输入你的编程问题就能返回代码。
例如，我们直接输入中文提示:用python写一个吃豆游戏的代码。
Phind返回的注释也都是中文，如果点击三角按钮可以直接在replit中运行非常方便。
支持多轮深度对话，继续发问，游戏中的吃豆人和豆子是如何运动的?
Phind在对文本回答时，会标注引用的原出处，用户点击网站可以直接跳转。
CodeLlama-34B V2
CodeLlama-34B V2代码模型使用了80，000个高质量编程问题和解决方案的专有数据集进行微调。这个数据集的技术特点在于，采用的是指令-答案对的格式，而非常见的代码补全示例，使得在结构上与HumanEval有明显的区别。
此外，Phind还将 OpenAI 的去污方法应用在数据集中，以确保结果准确有效并且没有发现受污染的示例。
方法是:1）对于每个评估示例，随机抽取了三个50个字符的子字符串，如果少于50个字符，则使用整个示例。
2）如果任何采样的子字符串是已处理的训练示例的子字符串，则识别为匹配。
在训练过程中，Phind使用了DeepSpeed ZeRO3和Flash Attention2技术，并使用了32个A100-80GB的GPU，仅在三小时内就完成了序列长度为4096的模型训练。
经常编程的小伙伴们可以试试该模型，生成、审核、注释、改错样样精通，是降本增效的利器。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】