AutoCoder:程式碼生成任務的新型模型,測試準確率高

連結:https://github.com/bin123apple/autocoder

AutoCoder是一個專為程式碼生成任務設計的新型模型,其在HumanEval基準資料集上的測試準確率超過了GPT-4 Turbo(2024年4月)和GPT-4o。與之前的開源模型相比,AutoCoder提供了一個新功能:它可以自動安裝所需的包,並在使用者希望執行程式碼時嘗試執行程式碼,直到確定沒有問題。

需求人群:

目標受眾為需要自動程式碼生成和驗證的開發者和程式設計人員。AutoCoder透過提供高準確率的程式碼生成和自動包安裝功能,幫助他們提高開發效率,減少手動除錯程式碼的時間。

使用場景示例:

  • 開發者使用AutoCoder自動生成程式碼,提高開發速度。
  • 教育機構利用AutoCoder進行程式設計教學,幫助學生理解程式碼生成過程。
  • 企業採用AutoCoder進行程式碼質量控制,減少人為錯誤。

產品特色:

  • 在HumanEval基準資料集上測試準確率達到90.9%,超過GPT-4 Turbo。
  • 能夠自動安裝所需的包,並在使用者需要時嘗試執行程式碼。
  • 提供了程式碼直譯器,可以驗證程式碼的正確性。
  • 提供了Web演示,包括程式碼直譯器功能。
  • 模型可在Huggingface上獲取,包括AutoCoder (33B)和AutoCoder-S (6.7B)。
  • 支援自訂環境並進行測試。
返回頂端