您现在的位置是：首页 > 文章详情

CodeFuse发布34B-4bit单卡4090可部署模型

日期：2023-10-19点击：108收藏

Hello world, this is CodeFuse!

2023 年 9 月 8 日下午，在上海举行的“2023 inclusion·外滩大会--云端 Al：探索新兴技术和发展模式”论坛上，蚂蚁集团首次开源了代码大模型 CodeFuse。这是蚂蚁自研的代码生成专属大模型，根据开发者的输入，帮助开发者自动生成代码、自动增加注释、自动生成测试用例、修复和优化代码等，以提升研发效率。无论用户是初学者还是有经验的开发者，CodeFuse 都能够极大地提高编程效率和准确性。

CodeFuse 的目的是重新定义下一代AI研发，提供全生命周期AI辅助工具。蚂蚁集团期望通过开源 CodeFuse，和社区一起推进软件工程领域的范式跃迁，重塑软件研发的各个领域，加速各行各业的数字化进程。

CodeFuse 基于蚂蚁基础大模型平台研发，在近期代码补全的 HumanEval 评测中，其得分达到74.4%，超过了 GPT-4 (67%)的成绩，也超过了 WizardCoder-34B 73.2% 的得分，在开源模型中位于国际前列。本次开源内容包括代码框架、数据集和模型三大部分。

代码仓库现已上架 GitHub 平台，数据和模型已上架 HuggingFace 平台和国内的魔搭社区。

GitHub 地址：https://github.com/codefuse-ai

HuggingFace 地址：https://huggingface.co/codefuse-ai

魔搭社区地址：https://modelscope.cn/organization/codefuse-ai

特别的，我们开源了一套多任务微调框架 MFTCoder (https://github.com/codefuse-ai/MFTCoder)，支持当前众多主流大模型并支持 Lora 与 QLora 高效微调，欢迎大家试用在私有数据上打造自己的专属代码大模型，并请给我们的项目一键三连支持 Star + Fork + Watch。

首先我们来看一下，CodeFuse 能做什么。

01 贪吃蛇游戏生成

早在 2022 年 1 月，蚂蚁集团内部开启了代码智能相关探索。随着公司整体战略的推进，在统一软硬件基础设施支持下，2023 年从 0 到 1 训练了多个代码大模型，打造了 CodeFuse。基于 CodeFuse 的应用场景有开 IDE 插件、发助手、代码分析器等，覆盖了目前研发工作的主要需求，并在蚂蚁集团内部研发流程中陆续得到验证。

接下来，给大家演示一下，基于蚂蚁开源模型 CodeFuse-CodeLlaMa34B，利用 HTML 和 JavaScript 在线制作贪吃蛇小游戏的场景。

点击查看：https://cloud.video.taobao.com/play/u/null/p/1/e/6/t/1/432865958134.mp4

02 多任务微调框架 MFTCoder

整个 CodeFuse 框架如下图所示，大致分为底层的分布式训练、中间层的指令微调框架，和顶层的多模型应用支持。

在底层，CodeFuse 支持 DeepSpeed 和蚂蚁自研的 ATorch 两种分布式训练框架。

ATorch 开源地址：https://github.com/intelligent-machine-learning/dlrover/tree/master/atorch

在中间层，CodeFuse 包含了自研的多任务微调(Multi-task fine-tuning，缩写为MFT)框架。MFT 支持代码生成、代码翻译、测试用例生成、bug 修复等数 10 个任务一起微调，它充分利用多任务之间的信息互补，通过创新的 loss 设计处理不同任务之间收敛难易不均衡的难题，最终取得比单任务微调 SFT 更好的效果。MFT 框架最大的特色是，同时支持多任务、多框架，以及多种类型的损失函数：

✅ 多任务：一个模型同时支持多个任务，会保证多个任务之间的平衡，甚至可以泛化到新的没有见过的任务上去；
✅ 多框架：同时支持 HuggingFace 和 ATorch 框架两个训练框架；
✅ 高效微调：支持 LoRA 和 QLoRA，可以用很少的资源去微调很大的模型，且训练速度能满足几乎所有微调场景；
✅ 多损失函数：支持数据集大小平衡，任务难度平衡，收敛速度不一平衡，和语义强调等多种不同损失函数。

在顶层，CodeFuse 支持最新的多个开源模型，包括 LlaMA，LlaMa-2，StarCoder，Baichuan，Qwen，Chatglm2，GPT-neox 等。CodeFuse 已经开源了多任务微调框架 MFTCoder。

关于多任务难度或者收敛不一致问题，这里给大家展示一个对比的例子。在三个任务（code completion，code explain，text2sql）的微调训练中，添加收敛均衡和不添加收敛均衡以后，validation loss 的收敛状况：可以看到没有添加收敛均衡的时候，三个任务收敛的速度各不相同，code completion 还没有收敛，剩下两个任务已经发散了；然而在加了收敛均衡的限制以后，我们可以明确的看到三个任务的收敛速度一致。

03 优秀的多任务微调能力

下面，我们直接给出基于 MFTCoder，给多个开源模型微调代码能力，在 HumanEval 的 Python 补全上的结果。

可以看到，MFT 在各种底座上对于 Python Pass@1 就可以带来带来 10% 左右的提升。在 StarCoder 和 CodeLLama 上的增益更多。作为对比，已经公开的 HumanEval 榜单中目前排名前列的模型，我们也灰底展示在表格下方。

MFT 微调的 CodeLLaMA-34B，在 HumanEval 上取得了 74.4% 的结果(和 CodeLLaMA 一样，基于 greedy generation 模式评测)，该结果超过了 GPT-4 (67%) 的成绩，也超过了 WizardCoder-34B 73.2% 的得分，在开源模型中位于国际前列。

04 4bit 量化部署

CodeFuse-CodeLLama-34B模型表现十分显著，但是34B的模型大小，在FP16和INT8精度下，至少需要一张A100或者4张A10做最小配置部署。如此高的部署资源要求，让个人/普通用户望而却步，即便大公司的大规模部署也比较吃资源。

针对此，我们借助量化技术对原模型进行了INT4量化，量化后模型占用显存大小显著减小：64.9G减到19G）。**这样一张A10或者4090 (24GB显存)即可部署。速度方面，实测发现A10上的INT4优化后的推理速度，已经和A100上FP16推理速度持平。**量化部署，可以使用GPTQ或者Nvidia TensorRT-LLM early access版本。

我们评测了量化前后模型能力的差异，其中关键评测HumanEval指标上是73.8%，下降小于1%；NLP任务中文语言理解CMNLI/C-Eval评测得分下降也控制1%左右。