這是螞蟻自研的代碼生成專屬大模型，根據開發(fā)者的輸入提供智能建議和實時支持，幫助開發(fā)者自動生成代碼、自動增加注釋，自動生成測試用例，修復和優(yōu)化代碼等，以提升研發(fā)效率。
無論用戶是初學者還是有經驗的開發(fā)者，CodeFuse都能夠極大地提高編程效率和準確性，讓人人可編程、可創(chuàng)新成為現(xiàn)實。
CodeFuse基于螞蟻基礎大模型研發(fā)，在近期代碼補全的HumanEval評測中，CodeFuse得分74.4%，超過GPT-4 (67%)的成績，也超過了WizardCoder-34B 73.2%的得分，在開源模型中位于國際前列。本次開源內容包括代碼框架、模型等，現(xiàn)已上架相關平臺，模型可在HuggingFace下載。
代碼框架部分包括自研的多任務微調(Multi-task fine-tuning，縮寫為MFT)框架。MFT支持代碼生成、代碼翻譯、測試用例生成、bug修復等數10個任務一起微調，它充分利用多任務之間的信息互補，通過創(chuàng)新的loss設計處理不同任務之間收斂難易不均衡的難題，最終取得比單任務微調SFT更好的效果。
MFT微調框架支持螞蟻自研模型，以及多個開源大模型的代碼能力微調。同時，框架內含創(chuàng)新的微調數據打包技術，提升微調速度約8倍；并使用多重部署優(yōu)化技術，使推理加速約2倍。
模型部分包括CodeFuse13B-4K、CodeFuse-CodeLlaMa34B-MFT兩個大模型。模型訓練過程中，CodeFuse使用了程序分析校驗技術，對高質量代碼數據進行篩選，并構建了代碼領域專用字典，編碼平均長度低10%+。
早在2022年1月，螞蟻集團內部成立了代碼智能生成專項，隨著公司整體戰(zhàn)略的推進，在統(tǒng)一軟硬件基礎設施支持下，從零到一訓練了多個代碼大模型，最終基于13B版本，打造了CodeFuse，并在今年6月開始內測，用以真實開發(fā)環(huán)境，可以助力開發(fā)者低門檻編程，例如用自然語言編寫H5小游戲、快速開發(fā)支付寶小程序等。
基于CodeFuse的應用場景有開發(fā)助手、IDE插件、數據分析器等，覆蓋了目前研發(fā)工作的主要需求，在螞蟻集團內部研發(fā)流程中陸續(xù)得到驗證。
CodeFuse的目的是重新定義下一代AI研發(fā)，提供全生命周期AI輔助工具。螞蟻集團期望通過開源CodeFuse，和社區(qū)一起推進軟件工程領域的范式躍遷，重塑軟件研發(fā)的各個領域，加速各行各業(yè)的數字化進程。
