推出了一款自称具有革命性的编码工具StableCode。
敲重点的是，StableCode不仅支持Python、Go、Java、JavaScript、C、Markdown、C++等多种编程语言。
还直接把上下文长度拉到16000个token。
图片
好家伙，网友直呼疯批：
图片
这波还直接戳中网友痛点：
我们真的很需要一个能够将整个代码库塞进上下文的工具。
图片
上下文窗口16000token
官网显示，StableCode模型具有30亿参数，将提供基础模型、指令模型、长上下文窗口模型三种不同的模型，帮助开发人员编码。
图片
StableCode在HPC（高性能计算）集群上，使用5600亿代码token的编程语言数据集starcoder-data对基础模型进行了训练。
StarCoder是HuggingFace和ServiceNow合作成立的开放科学合作组织BigCode于五月份开源的针对代码的大模型。
Stability AI首席研究科学家Nathan Cooper对VentureBeat表示：
我们非常喜欢BigCode，因为他们在数据治理、模型治理和模型训练方面做了惊人的工作，我们用了他们的数据集，并对其进行了额外的过滤和清理，同时也用在了构建长上下文窗口的模型，在我们的集群上进行了训练。
对于复杂的编程任务，StableCode则针对特定用例进行了指令调优。
在基础模型的基础上，用约120000个Alpaca格式的“代码指令-回答”对训练了指令模型。
图片
△StableCode指令生成对给定指令响应的代码。
此外，为了满足用户对上下文窗口长度的需求，StableCode的长上下文窗口模型直接将上下文窗口拉长至16000个token，是此前开源模型的2-4倍。
△与类似大小的模型（3B）进行的 HumanEval 基准比较。
不仅为用户提供了可单行、多行自动完成建议的工具，还允许用户同时查看编辑相当于五个中等大小的Python文件，允许更专业复杂的代码生成prompt。
下面是一个StableCode利用Pytorch深度学习库完成一个相对复杂的Python文件展示（灰色文本显示了StableCode的预测）。
图片
使用了RoPE的方法
此外，StableCode也是用到了Transformer架构，不同于StarCoder用ALiBi（线性偏差的注意力）的方法定位模型输出，StableCode则是使用了RoPE（旋转位置嵌入）的方法。
Cooper表示：
在Transformer模型中，ALiBi方法倾向于更加重视当前的token，而不是过去的token。这对于代码生成来说不是一个理想的方法，因为代码没有固定的叙述结构，没有明确的开始、中间和结束。代码的功能可以在应用流程的任何点被定义。所以我们使用RoPE，它没有这种偏见。
StableCode目前还处于早期阶段，初始发布的目标是观察开发者如何接受和使用这个模型。
我们将与社区进行互动合作，看看他们会提出哪些有趣的方向，并针对开发者领域进行生成式探索 。
研究主管Christian Laforte也浅聊了StableCode的目标：
与Stable Diffusion帮助世界上任何人成为艺术家类似，我们希望StableCode模型能让任何有好点子但却遇到问题的人，能够编写一个解决问题的程序。
看到Stability AI再放大招的这波操作，有网友在去测试Github Copilot的路上来了个掉头：
图片
还有网友希望“预定”下一次动作：
真的很想看Stability AI在文本转语音方面，做些类似谷歌SoundStorm（声音风暴）的事啊。
图片
此外，StableCode目前已经开源啦！
参考链接：
[1]https://venturebeat.com/programming-development/stability-ai-launches-stablecode-an-llm-for-code-generation/
[2]https://twitter.com/StabilityAI/status/1688931312122675200
