刚刚发布！Google 带来了新的 Gemma 家族成员，CodeGemma，这是基于预训练的 Gemma-2B 和 Gemma-7B 的代码生成模型。

其上下文窗口长度为8K，在另外 500 B 个主要由英语、数学和代码组成的 token 上进行了训练，改进了逻辑和数学推理能力，适合代码生成任务。

GPT-3.5研究测试： https://hujiaoai.cn

GPT-4研究测试： https://higpt4.cn

Claude-3研究测试（全面吊打GPT-4）： https://hiclaude3.com

CodeGemma-7B 在 HumanEval 上的表现优于类似大小的7B模型，甚至还要超过 CodeLLaMa-13B。

不过，在 DeepSeekCoder-7B 面前，CodeGemma 还是要稍逊一筹！

CodeGemma支持包括 Python、JavaScript、Java、Kotlin、C++、C#、Rust、Go 在内的多种编程语言。

CodeGemma包含三款模型：

• CodeGemma 2B Base Model，专门针对代码生成进行训练，旨在快速生成代码，适合需要隐私或高性能代码生成的环境。

• CodeGemma 7B Base Model，训练数据包括80%的代码和20%的自然语言，适合代码生成和理解。

• CodeGemma 7B Instruct Model，微调版，适用于聊天，擅长代码生成和数学推理。

2B模型相比同尺寸模型更具有优势

作者使用了 HumanEval Infilling benchmarks 中的单行和多行指标进行评估。在表 2 中展示了与其他基于 FIM 的代码模型的性能对比。

2B 预训练模型在代码自动补全用例中表现出色，低延迟是一个关键因素。在推断过程中，它表现与其他模型相当。

而在许多情况下，速度几乎是其他模型的两倍。作者将这种速度提升归因于基于 Gemma 的架构决策。

不过在 7B 模型上，CodeGemma 的延迟对比并没有优势，反而性能还较大程度地弱于 DeepSeek Coder。

表2. CodeGemma的单行和多行代码完成能力与其它代码模型的比较。

7B模型多语言性能超越 CodeLLaMa-13B

作者在 BabelCode-translated HumanEval 和 Mostly Basic Python Problems (MBPP) 数据集上对比 CodeGemma 系列的多语言代码能力。

同时，bigcode-models-leaderboard 上也发布了更详细的性能对比。CodeGemma 在 7B 大小的模型中要优于除了 DeepSeekCoder-7B 的模型，对比 CodeLLaMa-13B 也提升了 5个点。

但是我们从训练数据上也能初窥端倪，对于 DeepSeekCoder 所使用的 2000 B 的数据量，CodeGemma 的 500 B 还是小巫见大巫了！

保留 Gemma 的对话能力！

作者评估了 CodeGemma 在各种领域的性能，包括问答、自然语言和数学推理。将两个 7B 模型的结果与 Instruct Gemma-7B模型的结果呈现在图3中。

图3.

可以看到，CodeGemma 保留了 Gemma模型中大部分相同的自然语言功能。

表5. CodeGemma和指令调优版本Gemma的语言性能比较。Gemma和CodeGemma都属于7B大小类。

最后

借网友的话一用：“开源模型的发布和改进真的太快了！！”

即便是 Google 这样的团队，我们也能看到它在大模型的浪潮下有点手忙脚乱，本来以为是碾压局的 CodeGemma，没想到还是感觉发布得略显匆忙。

以 Google 的手笔，能在 500 B 的数据量下将 7B模型提高到 CodeLLaMa-13B（2500 B tokens）的水平，居然还是没有超过 DeepSeekCoder-7B。

回顾Google这几个月的动向，Bard、Gemini、Gemini Advanced、Gemma 轮番上阵，但是都没有在各自的领域上获得足够的认可，不免让吃瓜群众也感慨呀！

参考资料

[1]https://huggingface.co/blog/codegemma
[2]https://storage.googleapis.com/deepmind-media/gemma/codegemma_report.pdf
[3]https://huggingface.co/spaces/bigcode/bigcode-models-leaderboard