Google 联合 Hugging Face 发布开源代码模型 CodeGemma
Google 联合 Hugging Face 上线开源代码模型系列 CodeGemma，包含专攻代码填充的 2B 基础模型、7B 基础模型以及 7B 对话微调模型。
推荐理由：原文给出了 2B 与 7B 版本在代码补全与基准测试中的表现，开发者可直接参考其 FIM 提示词格式与消费级显卡部署方案。
AI 编码
全部主题AI 写代码的一切：编码助手、Vibe Coding、代码模型评测与开发工作流变革。
最新精选
第 121–132 条 · 共 132 条Hugging Face精选AI 评分7373
Hugging Face精选AI 评分6363 Hugging Face 开源 WebSight 数据集：包含 200 万对网页截图与 HTML 代码
Hugging Face 开源了多模态合成数据集 WebSight-v0.2，包含 200 万对网页截图与 HTML 代码，旨在训练模型将网页设计截图直接转换为可用代码。该版本引入了真实图片并改用 Tailwind CSS，同时展示了据此微调的视觉语言模型 Sightseer 的前端还原能力。目前数据集、技术报告与 Colab 演示均已对外开放。
推荐理由：通过构建结合真实图片与 Tailwind CSS 的两百万对合成数据，为设计稿转网页前端代码提供了标准化的多模态训练基准。
Hugging Face精选AI 评分7575 BigCode 发布开源代码大语言模型 StarCoder2 与 The Stack v2 数据集
BigCode 联合开源了新一代代码大语言模型 StarCoder2 及代码预训练数据集 The Stack v2，并同步公开所有模型权重、数据集、处理与训练代码。
推荐理由：BigCode开源了代码大语言模型StarCoder2及高质量预训练数据集The Stack v2，覆盖从3B到15B参数规模并公开全部训练细节。
Hugging Face精选AI 评分7575 Hugging Face 发布专属代码助手训练教程：基于私有代码库微调 StarCoder 并接入 VS Code
Hugging Face 发布了基于专属代码库训练代码助手 HugCoder 的完整端到端实践教程。内容涵盖从本地仓库提取与过滤代码、基于单张 A100 40GB 运行 QLoRA 与 8 卡 FSDP 全量微调的成本对比，以及利用 PEFT 融合对话与补全两种 LoRA 权重的方法。
推荐理由：教程给出了从私有代码清洗、QLoRA微调到本地IDE部署的完整实现，开发者可直接参考搭建专属编程助手。
Hugging Face精选AI 评分8383 Code Llama 开源发布并全面集成至 Hugging Face 生态
Hugging Face 宣布在 Hub、Transformers 4.33 和 TGI 等生态组件中全面支持 Meta 发布的代码大模型 Code Llama。
推荐理由：文章梳理了代码大模型 Code Llama 的规格特性与填充机制，并提供了在开源框架下量化部署与调用的具体范式。
Hugging Face精选AI 评分6868 BigCode 背后的大规模近似去重实践
Hugging Face 博客系统讲解了 BigScience 与 BigCode 在大语言模型和代码模型训练数据上使用的 MinHash + LSH 文档级近似去重流程，涵盖 shingling 分词、指纹计算、LSH 分桶以及用 union find 或 Spark 做连通分量聚类的实现细节。
推荐理由：原文完整走通 MinHash 与 LSH 的工程细节并给出规模化实测配置，可直接迁移到自有数据集的去重流程。
Hugging Face精选AI 评分7474 Hugging Face 详解基于 StarCoder 微调对话式代码助手 StarChat
Hugging Face 介绍了将 16B 参数代码基座模型 StarCoder 微调为对话助手 StarChat-alpha 的完整方案，并开源了相关代码、数据集与模型。
推荐理由：文章梳理了从 ChatML 格式化、用户标签掩码到 DeepSpeed ZeRO-3 训练的流程，为代码基座模型的对话改造提供了可复现方法。
Hugging Face精选AI 评分8282 BigCode 推出开源代码大模型 StarCoder 与 StarCoderBase
Hugging Face 与 ServiceNow 联合发起的 BigCode 项目正式发布 15B 参数的代码大语言模型 StarCoderBase 以及面向 Python 微调的 StarCoder。
推荐理由：原文详细披露了 15B 代码模型的训练数据清洗流程与评测对比，为开发者构建开源代码补全与技术助手提供了可迁移基准。
OpenAI精选AI 评分7575 OpenAI 为 GPT-3 与 Codex 推出文本编辑与插入功能
OpenAI 发布了 GPT-3 和 Codex 的新版本，新增在现有文本中编辑或插入内容的功能。这项更新让两款模型不再局限于顺向补全现有文本，能够直接对已有内容进行修改和填充。
推荐理由：新版本改变了此前只能顺向补全文本的工作模式，允许开发者直接在现有文本中进行针对性编辑与内容插入。
OpenAI精选AI 评分7373 OpenAI API 推出文本与代码嵌入向量接口
OpenAI 在其 API 中推出全新的 embeddings 端点，方便开发者处理自然语言和代码任务。该接口可直接用于语义搜索、聚类、主题建模以及文本分类等场景。
推荐理由：官方提供了新的嵌入向量端点，便于开发者直接用于语义搜索、代码理解和分类等任务。
Hugging Face精选AI 评分6565 从零训练代码生成模型 CodeParrot 指南
Hugging Face 详细介绍了如何从零预训练 Python 代码生成模型 CodeParrot，并开源了配套的 50GB 清洗后数据集与模型权重。
推荐理由：提供了从数据去重、分词到分布式预训练的完整工程实现，读者可直接复用其流式训练与多卡加速脚本。
OpenAI精选AI 评分8080 OpenAI 推出 Codex 改进版并通过 API 开放私测
OpenAI 宣布推出 OpenAI Codex 的改进版本，该 AI 系统能够将自然语言转换为代码。该模型即日起通过 API 开启私测（private beta）。
推荐理由：Codex 将自然语言转化为代码并通过 API 开放私测，为开发者提供了基于自然语言生成代码的直接途径。