codellama:latest im LLM-Testsuite-Report
Modellbeschreibung
Ein großes Sprachmodell, das mithilfe textueller Prompts Code generieren und besprechen kann.
| Modellfamilie | codellama |
|---|---|
| Kontext | 16K |
| Input | Text |
| Größe | 38 GB |
| Familiengrößen | 7b, 13b, 34b, 70b |
Readme-Auszug
Code Llama ist ein Modell zum Generieren und Besprechen von Code, das auf Llama 2 aufbaut. Es wurde entwickelt, um Arbeitsabläufe für Entwickler schneller und effizienter zu gestalten und Menschen das Erlernen des Programmierens zu erleichtern. Es kann sowohl Code als auch natürliche Sprache über Code erzeugen. Code Llama unterstützt viele der heute am häufigsten verwendeten Programmiersprachen, darunter Python, C++, Java, PHP, TypeScript (JavaScript), C#, Bash und weitere.
Parameterzahlen
Parameteranzahl 7 Milliarden Anzeigen ollama run codellama:7b 13 Milliarden Anzeigen ollama run codellama:13b 34 Milliarden Anzeigen ollama run codellama:34b 70 Milliarden Anzeigen ollama run codellama:70b
Verwendung
CLI
ollama run codellama "Schreibe mir eine Funktion, die die Fibonacci-Folge ausgibt"
API
curl -X POST http://localhost:11434/api/generate -d '{ "model": "codellama", "prompt": "Schreibe mir eine Funktion, die die Fibonacci-Folge ausgibt" }'
Varianten
instruct Feinabgestimmt, um hilfreiche und sichere Antworten in natürlicher Sprache zu erzeugen python Eine spezialisierte Variante von Code Llama, die zusätzlich auf 100 Milliarden Tokens Python-Code feinabgestimmt wurde code Basismodell für Codevervollständigung
Beispielprompts
Fragen stellen
ollama run codellama:7b-instruct 'Du bist ein erfahrener Programmierer, der einfachen, prägnanten Code und Erklärungen schreibt. Schreibe eine Python-Funktion, die die n-te Fibonacci-Zahl erzeugt.'
Fill-in-the-Middle (FIM) oder Lückenergänzung
ollama run codellama:7b-code '<PRE> def compute_gcd(x, y): <SUF>return result <MID>'
Fill-in-the-Middle (FIM) ist ein spezielles Promptformat, mit dem das Codevervollständigungsmodell Code zwischen zwei bereits geschriebenen Codeblöcken ergänzen kann. Code Llama erwartet für die Lückenergänzung ein bestimmtes Format:
<PRE> {prefix} <SUF>{suffix} <MID>
<PRE>, <SUF> und <MID> sind spezielle Tokens, die das Modell steuern.
Codeprüfung
ollama run codellama ' Wo liegt der Fehler in diesem Code? def fib(n): if n <= 0: return n else: return fib(n-1) + fib(n-2) '
Tests schreiben
ollama run codellama "schreibe einen Unit-Test für diese Funktion: $(cat example.py)"
Codevervollständigung
ollama run codellama:7b-code '# Eine einfache Python-Funktion zum Entfernen von Leerzeichen aus einer Zeichenkette:'
Weitere Informationen
So erstellen Sie Prompts für Code Llama Hintergrundpapier CodeLlama GitHub Hugging Face
Hilfe zu Bewertung, Score und exakter Korrektheit
Score ist eine abgestufte Gütebewertung: correct = 100 %, mostly_correct = 80 %, partial = 50 %, wrong/not_answered = 0 %.
Exakt korrekt ist strenger: Nur Runs mit dem Label correct zählen. Mostly correct erhöht den Score, zählt aber nicht als exakt korrekt.
Bewertet zählt alle Runs mit fachlichem Urteil. Bei LLM-Judge-Ergebnissen zählen auch Judge-Fehler als bewertet, aber mit Score 0 %.





