أصدرت شركة Meta مؤخرًا Code Llama 70B، وهو آخر تحديث لنموذج ترميز الذكاء الاصطناعي مفتوح المصدر (AI) الخاص بالشركة. عند الإعلان عن الإصدار، وصفته مجموعة شركات التكنولوجيا التي يقع مقرها في كاليفورنيا بأنه “النموذج الأكبر والأفضل أداءً في عائلة Code Llama”. وفقًا لتقرير الشركة، سجل Code Llama 70B دقة بنسبة 53 بالمائة وفقًا لمعيار HumanEval، مما يسلط الضوء على القدرات التي تقترب من OpenAI’s GPT 4 الذي سجل 67 بالمائة. وينضم أحدث مساعد للذكاء الاصطناعي إلى نماذج الترميز الحالية للشركة Code Llama 7B وCode Llama 13B وCode Llama 34B.
أعلن الرئيس التنفيذي لشركة Meta Mark Zuckerberg عن Code Llama 70B عبر منشور على Facebook وقال: “نحن منفتحون على توفير Code Llama جديد ومحسن، بما في ذلك نموذج معلمة أكبر 70B. لقد برزت كتابة التعليمات البرمجية وتحريرها كأحد أهم استخدامات نماذج الذكاء الاصطناعي اليوم. [..] أنا فخور بالتقدم الذي تم إحرازه هنا، وأتطلع إلى تضمين هذه التطورات في Llama 3 والنماذج المستقبلية أيضًا.
يتوفر Code Llama 70B في ثلاثة إصدارات — النموذج الأساسي، وCode LLama – Python، وCode Llama – Instruct، وفقًا لمنشور مدونة Meta. Python مخصصة للغة برمجة محددة، بينما يتمتع Instruct بقدرات معالجة اللغة الطبيعية (LNP)، مما يعني أنه يمكنك استخدام هذا حتى لو كنت لا تعرف كيفية البرمجة.
مساعد الترميز Meta AI قادر على إنشاء كل من الأكواد واستجابات اللغة الطبيعية، والأخيرة مهمة لشرح الأكواد والإجابة على الاستفسارات المتعلقة بها. تم تدريب نموذج 70B على 1 تريليون رمز (حوالي 750 مليون كلمة) من التشفير والبيانات المتعلقة بالرمز. مثل جميع نماذج LLama AI، فإن Code Llama 70B مجاني أيضًا للأغراض البحثية والتجارية. يتم استضافته على Hugging Face، وهو مستودع برمجة.
فيما يتعلق بالمعايير، نشرت الشركة درجاتها من حيث الدقة وقارنتها بجميع نماذج الذكاء الاصطناعي المنافسة التي تركز على البرمجة. في اختبار HumanEval، حصل 70B على 53% وفي اختبار برمجة Python الأساسية (MBPP) حصل على 62.4%. وفي كلا المعيارين، تفوقت على OpenAI’s GPT 3.5 الذي حصل على 48.1 بالمائة و52.2 بالمائة على التوالي. نشرت GPT 4 فقط درجات دقة HumanEval عبر الإنترنت وحصلت على 67 بالمائة، متفوقة على معلمة Llama Code 70B بهامش صحي إلى حد ما.
في أغسطس 2023، أصدرت Meta Code Llama، الذي كان يعتمد على النموذج التأسيسي Llama 2 وتم تدريبه خصيصًا على مجموعات البيانات القائمة على الترميز. فهو يقبل كلاً من الرموز واللغة الطبيعية للمطالبات ويمكنه إنشاء استجابات في كليهما أيضًا. يمكن لـ Code Llama إنشاء الرموز وتحريرها وتحليلها وتصحيح الأخطاء. يمكن أن يساعد إصدار Instruct أيضًا المستخدمين على فهم الرموز باللغة الطبيعية.
