SUSE har annonceret lanceringen af den store sprogmodel Cavil-Qwen3-4B under Apache 2.0-licensen, som anvendes i SUSE og openSUSE-projekter i Cavil-værktøjet til analyse af licensmæssig rene kode. Den offentliggjorte model dækker 4 milliarder parametre og er baseret på Qwen3-4B-modellen, der er yderligere optimeret til tekstklassificering.
Modelens primære formål er at identificere de licenser, der anvendes i kildekoden til programmer og dokumentation. For at udføre denne opgave er modellen yderligere trænet på et datasæt, der inkluderer 150.000 eksempler på overskrifter og kommentarer med omtaler af licenser i kildekoden. I praksis gør modellen det muligt at automatisere kontrol af den licensmæssige renhed i kodebasen for at opdage licenskonflikter og potentielle juridiske problemer med koden.
Modelstørrelsen er tilpasset for at opnå en kombination af kvalitetsforståelse af sproglige konstruktioner og muligheden for at køre på systemer med standard forbruger-GPU'er. Ud over selve modellen er der også et datasæt tilgængeligt, som blev brugt under træningen, samt et værktøjssæt til validering. Der er også en behandler til rådighed for at implementere modellen i Cavil-værktøjet, der er designet til at kontrollere kildekoden for overholdelse af juridiske normer og krav (kontrol af licenser, identificering af licensovertrædelser, risikovurdering).
Kilde: opennet.ru
