Yi-Coder-9B-Chat - 支持长文本上下文理解的多语言编程模型

项目简介

Yi-Coder-9B-Chat是一个开源的代码语言模型项目，隶属于Yi-Coder系列。这个项目致力于在少于10亿个参数的情况下，实现世界一流的代码生成性能。该模型特别擅长理解长文本，其上下文长度最大可达128K个token。

主要特点

长文本理解能力：Yi-Coder系列模型能够处理长达128K个tokens的上下文，适用于复杂的代码场景。
多语言支持：Yi-Coder目前支持52种主要编程语言，包括Java、Python、JavaScript、C++、Go、SQL、HTML、CSS等，从而满足广泛的编程需求。

详情可以在Yi-Coder博客及其README文件中查看。

模型种类

Yi-Coder系列提供多种模型以供下载和使用，每种模型都有不同的参数量级和应用场景：

Yi-Coder-9B-Chat: 专为聊天场景设计，具备128K上下文长度，可从Hugging Face、ModelScope和wisemodel下载。
Yi-Coder-1.5B-Chat: 适用于较小规模聊天场景，支持相同上下文长度。
Yi-Coder-9B: 基础模型，适用于通用代码生成任务。
Yi-Coder-1.5B: 较小参数量的基础模型。

基准测试

在LiveCodeBench的评测中，Yi-Coder-9B-Chat表现出色，以23%的通过率成为少于10亿参数的模型中唯一超过20%的模型。这一成绩优于33B参数量的DeepSeekCoder(22.3%)、9B的CodeGeex4(17.8%)以及更大模型CodeLLama-34B(13.3%)和CodeQwen1.5-7B(12%)。

快速开始

用户可以通过Python库transformers来运行Yi-Coder模型。以下是一个简单的示例，用于实现快速排序算法的代码生成：

from transformers import AutoTokenizer, AutoModelForCausalLM

device = "cuda"
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 = "Write a quick sort algorithm."
messages = [
    {"role": "system", "content": "You are a helpful assistant."},
    {"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)

有关更多信息，请访问Yi-Coder的README文档。