Stability AI又有新动作！程序员又有危机了？ 3月26日，Stability AI推出了先进的代码语言模型Stable Code Instruct 3B，该模型是在Stable Code 3B的基础上进行指令调优的Code LM。
Stability AI 表示，Stable Code Instruct 3B 在代码完成准确性、对自然语言指令的理解以及处理多种编程语言方面都优于同类模型，在 3B 规模下提供最先进的性能，并且性能媲美Codellama 7B Instruct以及DeepSeek-Coder Instruct 1.3B
GPT-3.5研究测试：
https://hujiaoai.cn
GPT-4研究测试：
https://higpt4.cn
先让我们来感受一下Stable Code Instruct 3B的效果吧~
在线试用：
https://huggingface.co/spaces/stabilityai/stable-code-instruct-3b
Hugging Face地址：
https://huggingface.co/stabilityai/stable-code-instruct-3b
技术报告：
https://static1.squarespace.com/static/6213c340453c3f502425776e/t/6601c5713150412edcd56f8e/1711392114564/Stable_Code_TechReport_release.pdf
从效果图以及Stability AI的介绍可以看出Stable Code Instruct 3B有以下几个功能特点：
自然语言理解 ：Stable Code Instruct 3B可以理解以自然语言为主的编程指令，并有效执行生成高质量代码。
支持多种编程语言 ：Stable Code Instruct 3B不仅支持Python、Javascript、Java、C、C++和Go等语言，还支持其他广泛采用的语言如SQL、PHP和Rust
多样化编程任务：Stable Code Instruct 3B不仅精通代码生成，还擅长FIM（填充中间）任务、数据库查询、代码翻译、解释和创作。
更强的代码理解能力：Stable Code Instruct 3B在训练集最初未包括的语言（如Lua）中也能够表现出较强的测试性能。这种熟练程度可能源于其对底层编码原理的理解。
让我们再来看看Stable Code Instruct 3B的实现方法吧~
方法
训练数据
Stable Code Instruct收集了一系列公开访问的大规模数据源。这些来源包括广泛的代码库、广泛的技术文档集合（例如：readthedocs）、以数学为重点的文本和全面的网络数据集,以在预训练阶段学习丰富的内部表达，超越单纯的代码理解。模型旨在显著提升在数学理解、逻辑推理和处理软件开发相关的复杂技术文本方面的能力。
模型架构
Stable Code是建立在Stable LM 3B基础上构建的，并且该模型是一个causal decoder-only transformer，架构上与Llama类似，但和Llama有以下几点区别：
位置嵌入：采用了旋转位置嵌入（Rotary Position Embeddings），应用于头嵌入维度的前25%，以提高吞吐量
归一化方法：使用了具有学习偏置项的LayerNorm进行归一化处理，而不是采用RMSNorm
偏置调整：除了键、查询和值投影的偏差，Stable Code 从前馈网络和多头自注意力层中删除了所有偏差项
模型训练
计算基础设施和设置
Stable Code在32个Amazon P4d实例上进行训练，包含256个NVIDIA A100 (40GB HBM2) GPUs。采用ZeRO阶段1的分布式优化方法，消除了对模型分片的需求。
采用的全局批量大小为4,194,304个令牌。在表中的设置下，设备的性能达到大约222 TFLOPs/s，或71.15%的模型浮点操作利用率（MFU）。
多阶段训练
采用了在其他强大的代码语言模型（如CodeGen、Stable Code Alpha、CodeLLaMA和DeepSeekCoder）中流行的分阶段训练方法。
训练分为几个阶段，包括代码数据预训练、中间填充（FIM）训练、长上下文持续训练和指令微调。
模型初始化
代码模型大多遵循两种主要训练方法之一：使用代码和相关文本从头开始训练的模型（例如，CodeGen、Stable code Alpha、Deepsseek Coder），以及利用基础语言模型的持续预训练的模型。
预训练的语言模型（如Stable LM 3B）初始化的模型往往表现优于从头开始训练的模型。这证实了自然语言与代码之间的正面交叉转移可以增强模型的能力。
中间填充（FIM）训练
为了解决代码中的左到右因果顺序不总是成立的问题（例如，函数调用和声明的顺序可以是任意的）
将文档随机分为三个部分：前缀、中间部分和后缀，然后将中间部分移动到文档的末尾。在重新排列之后，遵循相同的自回归训练过程。
在预训练的两个阶段中都应用了FIM。为了在长上下文训练阶段考虑FIM，我们确保只允许在单个文件的范围内应用FIM，以避免引入不现实的情景到训练目标中。
微调和对齐
在预训练之后，Stable Code Instruct通过由监督微调（SFT）和直接偏好优化（DPO）组成的微调阶段进一步提高了模型的对话能力
监督微调
使用了Hugging Face上公开可用的几个数据集进行SFT微调：OpenHermes、Code Feedback和CodeAlpaca。这些数据集合计提供了大约500,000个训练样本。
SFT模型训练了三个周期，使用余弦学习率调度器。在达到5e-5峰值学习率之前，实施了占训练持续时间10%的热身阶段。
设置全局批量大小为512个序列，并将输入打包成最多4096个令牌的序列。
直接偏好优化
继SFT之后，我们应用了DPO，这是一种关键技术，对近期高性能模型（如Zephyr-7B、Neural-Chat-7B和Tulu-2-DPO-70B）的成功起到了关键作用。
我们整理了大约7,000个样本的数据集，使用了来自UltraFeedback和Distilabel Capybara DPO-7k Binarized的数据，并仅保留了与代码相关的样本。
为提高模型安全性，我们添加了来自Bai等人的Helpful and Harmless RLFH数据集，以及HH-Anthropic数据集的无害子集。编译了大约15,000个高关联性的安全相关数据点。
结论
本文介绍了Stable Code Instruct，一种新的代码语言模型，该模型不仅支持多样的编程语言，更在3B规模的模型上提供最先进的性能。随着技术的进步，将会有更多高性能的代码模型被推出，未来写代码的工作是否会变得更加轻松呢？是否程序员就业会面临危机呢？Stable Code Instruct的出现为我们勾勒了一个充满无限可能的未来。