AutoCoder

AutoCoder是在代码生成领域的开创性模型，其在HumanEval基础数据集上的测试准确性超过了GPT-4 Turbo，这是一个显著的成就，考虑到GPT模型的实力。AutoCoder的独特之处在于其能够自动安装必要的软件包并运行代码，以确保没有问题，这是其他开源模型如OpenCodeInterpreter所没有的功能。这种能力显著扩展了代码解释器的实际应用。AutoCoder在Huggingface上有两个版本可用，分别是33B和6.7B模型，满足不同需求。对于那些对测试或使用该模型感兴趣的人，指南提供了简单明了的设置、测试和使用Web演示的说明。AutoCoder的开发仍在进行中，未来的更新预计将进一步增强其功能。如果您对基于人工智能的代码生成的进展以及实施这些模型的实用性感兴趣，探索AutoCoder可能是您时间的有价值的投资。- AutoCoder是一个为代码生成任务设计的新模型，其在HumanEval基础数据集上的测试准确率超过了GPT-4 Turbo和GPT-4o。 - AutoCoder相比之前的开源模型具有新功能，可以自动安装所需的软件包，并在用户希望执行代码时尝试运行代码，直到确定没有问题。 - AutoCoder的代码解释器与GPT-4 Turbo的代码解释器不同，AutoCoder可以访问外部库，扩展了代码解释器的应用范围。 - AutoCoder的代码解释器与当前的开源代码解释器OpenCodeInterpreter不同，AutoCoder的代码解释器只在用户需要验证代码时才调用，而OpenCodeInterpreter运行所有生成的Python代码。 - AutoCoder模型可在Huggingface上获得，有两个版本：AutoCoder (33B)和AutoCoder-S (6.7B)。 - AutoCoder在HumanEval和MBPP数据集上的测试准确率分别为90.9%和82.5%。 - AutoCoder还提供了一个Web演示，包括代码解释器。 - 目前，AutoCoder模型只在用户要求验证代码时才启动代码解释器，但作者正在进行微调，以使其能够在用户请求运行代码时启用代码解释器。 - 如果使用代码解释器，建议将do_sample设置为True。 - 如果有任何问题，请联系leib2765@gmail.com。