Společnost SUSE oznámila otevření velkého jazykového modelu Cavil-Qwen3-4B licencovaného pod licencí Apache 2.0, který se používá v projektech SUSE a openSUSE v nástroji Cavil pro analýzu licenční čistoty kódu. Publikovaný model pokrývá 4 miliardy parametrů a je založen na modelu Qwen3-4B, dále optimalizovaném pro klasifikaci textu.
Hlavním účelem modelu je identifikace licencí používaných ve zdrojovém kódu programů a dokumentaci. Pro splnění tohoto úkolu byl model navíc vyškolen na datovém souboru obsahujícím 150 tisíc příkladů nadpisů a komentářů s odkazy na licence ve zdrojovém kódu. V praxi model umožňuje automatizovat kontrolu licenční čistoty kódové základny za účelem odhalení licenčních nesouladů a potenciálních právních problémů s kódem.
Velikost modelu byla vybrána k dosažení kombinace kvalitního porozumění jazykovým konstrukcím a schopnosti běhu na systémech se standardními spotřebitelskými GPU. Kromě samotného modelu je veřejně k dispozici datový soubor použitý při tréninku a nástroj pro validaci. Také je k dispozici zpracovatel pro zapojení modelu do nástroje Cavil, určeného pro kontrolu zdrojového kódu z hlediska dodržování právních norem a požadavků (kontrola licencí, odhalování porušení licencí, hodnocení rizik).
Zdroj: opennet.ru
