当前位置: 首页 > news >正文

阿里巴巴通义灵码推出Lingma SWE-GPT:开源模型的性能新标杆

阿里巴巴通义灵码团队最近开源了一款名为Lingma SWE-GPT的自动化软件改进模型。这一模型在软件工程领域的应用中表现出色,首次在SWE-bench基准测试中达到了30.20%的解决率,这一成绩比Llama 3.1 405B高出22.76%,标志着开源模型在这一领域的重大突破。

Lingma SWE-GPT的特点


基于Qwen开发:Lingma SWE-GPT是基于Qwen模型开发的,专门针对软件工程领域进行了训练。
融入软件开发流程数据:该模型整合了丰富的软件开发流程数据,能够模拟专业开发者的思维过程,从而更好地理解和解决软件开发中的问题。
多种功能支持:
代码优化:能够对现有代码进行优化,提高代码质量和执行效率。
开发辅助:提供开发过程中的辅助功能,帮助开发者更高效地完成任务。
代码故障定位:该模型在代码故障定位方面的成功率达到了51.16%,显著提高了故障排查的效率。
代码审查与Bug修复:Lingma SWE-GPT可以用于代码审查和Bug修复,帮助开发团队快速识别和解决问题。


版本信息
Lingma SWE-GPT提供了两个版本:7B和72B。其中,72B版本性能更强,适合企业用户在复杂项目中的应用。

结论
Lingma SWE-GPT的发布不仅为软件开发提供了强大的工具支持,也为开源社区带来了新的希望。随着这一模型的推广,开发者们将能够更高效地进行代码优化、故障定位和Bug修复,推动软件工程的进一步发展。

参考链接:

GitHub - LingmaTongyi/Lingma-SWE-GPT: Inference code of Lingma SWE-GPTInference code of Lingma SWE-GPT. Contribute to LingmaTongyi/Lingma-SWE-GPT development by creating an account on GitHub.icon-default.png?t=O83Ahttps://github.com/LingmaTongyi/Lingma-SWE-GPT

 


http://www.mrgr.cn/news/71939.html

相关文章:

  • 【前端】JavaScript高级教程:线程机制与事件机制
  • 丹摩征文活动|FLUX.1 和 ComfyUI:从部署到上手,轻松驾驭!
  • PCB+SMT线上报价系统+PCB生产ERP系统自动化拼板模块升级
  • 《基于深度学习的车辆行驶三维环境双目感知方法研究》
  • 初始化mysql5.7
  • 线性表-数组描述补充 迭代器(C++)
  • 音视频入门基础:MPEG2-TS专题(4)——使用工具分析MPEG2-TS传输流
  • JavaScript案例-轮播图
  • LeetCode【0019】删除链表的倒数第N个结点
  • 论文3—《基于YOLOv5s的农田垃圾轻量化检测方法》文献阅读分析报告
  • 我是如何一步步学习深度学习模型PyThorch
  • 信息收集系列(二):ASN分析及域名收集
  • LLM - 使用 LLaMA-Factory 微调大模型 Qwen2-VL SFT(LoRA) 图像数据集 教程 (2)
  • Python 正则表达式使用指南
  • WSL与Ubuntu系统--使用Linux
  • 渗透测试---网络基础之HTTP协议与内外网划分
  • 实战指南:理解 ThreadLocal 原理并用于Java 多线程上下文管理
  • Ngxin隐藏服务名称和版本号(源码部署和Docker部署)
  • 【最少刷题数——二分】
  • Java Review - 线程池原理源码解析
  • Ubuntu linux 命令总结
  • 如何理解DDoS安全防护在企业安全防护中的作用
  • 聊聊Flink:Flink的运行时架构
  • 几何合理的分片段感知的3D分子生成 FragGen - 评测
  • WebStorm 如何调试 Vue 项目
  • C++基础(12.红黑树实现)