與 BigCode 社區共同創建的 StarCoder2 是在 600 多種編程語言上訓練而成，它將推進代碼生成、透明度、治理和創新。

ServiceNow、Hugging Face 和 NVIDIA 于今日發布 StarCoder2，其為一系列用于代碼生成的開放獲取大語言模型（LLM），將為性能、透明度和成本效益樹立新標準。

StarCoder2 的聯合開發者 BigCode 社區是由 ServiceNow 和 Hugging Face 共同管理。前者是一家領先的數字工作流公司，致力于為每個人創造更好的工作環境；后者則是最常用的開源平臺，機器學習社區在該平臺上就模型、數據集和應用程序開展合作。

在 619 種編程語言上訓練而成的 StarCoder2，可接受進一步的訓練并嵌入到企業應用中，以執行應用源代碼生成、工作流生成、文本摘要等特定任務。開發者可以使用它的代碼補全、高級代碼摘要、代碼片段檢索等功能，加快創新速度及提高工作效率。

StarCoder2 提供三種規模的模型：由 ServiceNow 訓練的 30 億參數模型、由 Hugging Face 訓練的 70 億參數模型，以及由 NVIDIA 使用 NVIDIA NeMo 構建并在 NVIDIA 加速基礎設施上訓練的 150 億參數模型。規模較小的模型由于參數較少，在推理過程中所需的計算量較少，可在提供強大性能的同時節省計算成本。實際上，新的 30 億參數模型在性能上與原有的 StarCoder 150 億參數模型不相上下。

ServiceNow 的 StarCoder2 開發團隊負責人兼 BigCode 聯合負責人 Harm de Vries 表示：“StarCoder2 證明了將開放式科學協作和負責任的 AI 實踐與道德數據供應鏈相結合所產生的力量。這一極其先進的開放獲取模型將提高已有生成式 AI 的性能和開發者的生產力，為開發者提供平等的機會，獲得代碼生成式 AI 的優勢。這使任何規模的企業都能更加輕松地激發其全部業務潛力。”

Hugging Face 機器學習工程師兼 BigCode 聯合負責人 Leandro von Werra 表示：“在 Hugging Face、ServiceNow 和 NVIDIA 的共同努力下，這套功能強大的基礎模型終于問世。在數據和訓練完全透明的情況下，社區能夠更加高效地構建各種應用。StarCoder2 證明了開源和開放式科學的潛力，我們正在努力實現負責任 AI 的全民化。”

NVIDIA 應用研究副總裁 Jonathan Cohen 表示：“由于每個軟件生態系統都有專門的編程語言，代碼 LLM 可以推動各行業效率和創新方面的突破。NVIDIA 與 ServiceNow 和 Hugging Face 的合作帶來了安全且負責任的模型，讓更多人能夠用上負責任的生成式 AI，我們相信這將使全球社區受益。”

StarCoder2 模型

為自定義應用開發增添強大助力

StarCoder2 模型均使用來自 BigCode 的先進架構和精心挑選的數據源。為了實現負責任的大規模創新，數據源的透明度和開放治理被放在第一位。

StarCoder2 提升了未來由 AI 驅動的編碼應用的潛力，包括各種文本-代碼和文本-工作流轉換功能。通過更加廣泛、深入的編程訓練，它可以提供資源庫上下文，從而實現準確的上下文感知預測。無論是經驗豐富的軟件工程師還是業余開發者等，都能利用這些進步提升業務價值和推動數字化轉型。

StarCoder2 的基礎是一個名為 Stack v2 的新代碼數據集，該數據集規模比 Stack v1 大 7 倍多。除了先進的數據集之外，新的訓練技術也有助于模型理解低資源編程語言（如 COBOL 等）、數學和程序源代碼討論。

使用特定業務數據對先進功能進行微調

用戶可以使用 NVIDIA、NeMo 或 Hugging Face TRL 等開源工具，利用特定行業或組織的數據，對開放獲取的 StarCoder2 模型進行微調。可以創建高級聊天機器人來處理更復雜的摘要或分類任務、開發能夠快速且輕松地完成編程任務的個性化編碼助手、檢索相關代碼片段，并實現文本-工作流轉換功能。

為創建適合自身業務的特定任務功能，各企業已經開始對 StarCoder 基礎模型進行微調。

ServiceNow 的文本-代碼 Now LLM 就是在 150 億參數 StarCoder LLM 的專用版本上構建而成的，并針對其工作流模式、用例和流程進行了微調和訓練。Hugging Face 也使用該模型創建了自己的 StarChat 助手。

BigCode 促進 AI 領域的開放式科學協作

BigCode 是一個由 Hugging Face 和 ServiceNow 領導的開放式科學協作社區，致力于負責任的代碼 LLM 開發。

BigCode 社區以工作組和特別任務組的形式積極參與 StarCoder2 項目的技術工作，分別使用 ServiceNow 的 Fast LLM 框架來訓練 30 億參數模型、使用 Hugging Face 的 nanotron 框架來訓練 70 億參數模型，以及 NVIDIA NeMo 云原生框架和 NVIDIA TensorRT-LLM 軟件來訓練和優化 150 億參數模型。

BigCode 的核心宗旨是促進負責任的創新，其開放的治理、透明的供應鏈、開源軟件的使用，以及讓開發者選擇數據不用于訓練等做法都體現了這一點。StarCoder2 是在獲得 Inria 托管的 Software Heritage 數字共享許可下，使用負責任的數據構建而成的。

Software Heritage 總監 Roberto Di Cosmo 表示：“StarCoder2 是首個使用 Software Heritage 源代碼存檔開發的代碼生成式 AI 模型，其構建方式符合我們負責任地開發代碼模型的政策。ServiceNow、Hugging Face 和 NVIDIA 的這一合作體現了對道德 AI 開發的共同承諾，引領技術朝著更崇高的利益發展。”

StarCoder2 與其前代一樣，將在 BigCode Open RAIL-M 許可下免費提供訪問和使用。為進一步促進透明度和協作，該模型的支持代碼將繼續保留在 BigCode 項目的 GitHub 頁面上。

所有 StarCoder2 模型還可以在 Hugging Face 上下載。StarCoder2 150 億參數模型通過 NVIDIA AI Foundation 模型提供，開發者可以直接在瀏覽器上或通過 API 端點進行試用。