OpenCodeInterpreter：开源代码生成系统，集成执行与迭代优化功能
OpenCodeInterpreter是一套开源代码生成系统，当前在GitHub获得1,722个Star：
OpenCodeInterpreter的设计目标是缩小大语言模型与GPT-4 Code Interpreter这类专有系统之间的差距。它通过集成代码执行和迭代优化功能，显著提升代码生成能力。
该项目所有模型已在Hugging Face开源，包含多个参数尺寸的版本，覆盖1.3B到70B不同量级，适配不同硬件环境的使用需求。在HumanEval和MBPP基准测试中，加入执行反馈后，各模型的代码生成准确率有明显提升。其中33B参数版本在HumanEval+基准测试中得分达80.5，在MBPP+基准测试中得分达72.2，平均得分76.4。加入合成人工反馈后，33B版本的平均得分进一步提升至81.0，Oracle版本平均得分可达84.6。2024年3月13日，该项目的33B模型登顶BigCode排行榜。
OpenCodeInterpreter的训练基于Code-Feedback数据集，包含68K多轮交互数据，覆盖执行反馈和人工反馈场景，支持动态代码优化。数据集也已同步开源，可供其他研究使用。
项目提供本地可部署的演示程序，用户可以在本地运行大语言模型生成代码并执行，自动获取执行反馈。模型会根据反馈动态调整代码，用户也可以通过聊天交互提供反馈，进一步优化生成结果。演示程序基于Gradio开发，提供可视化交互界面。
部署流程如下：
- 克隆仓库到本地，进入demo目录
- 创建Python 3.10版本的conda环境并激活
- 安装依赖包
- 配置Hugging Face访问令牌到环境变量，令牌仅用于创建和推送内容到用户自己账号下的特定仓库，不会泄露用户数据
- 运行Gradio应用，指定使用的模型名称
OpenCodeInterpreter支持多种使用场景，包括代码生成、代码调试、数据处理脚本生成等。用户可以根据需求选择不同参数尺寸的模型，平衡性能和资源消耗。
