Compania SUSE a anunțat deschiderea sub licența Apache 2.0 a unui model lingvistic de mari dimensiuni Cavil-Qwen3-4B, utilizat în proiectele SUSE și openSUSE în instrumentarul Cavil pentru analiza purității licenței codului. Modelul publicat acoperă 4 miliarde de parametri și se bazează pe modelul Qwen3-4B, optimizat suplimentar pentru clasificarea textului.
Scopul principal al modelului este de a determina licențele utilizate în codul sursă al programelor și în documentație. Pentru a îndeplini această sarcină, modelul a fost instruit suplimentar pe un set de date care include 150.000 de exemple de titluri și comentarii cu mențiuni de licențe în codul sursă. Practic, modelul permite automatizarea verificării purității licenței bazei de cod pentru a identifica incompatibilitățile de licență și problemele legale potențiale legate de cod.
Dimensiunea modelului a fost aleasă pentru a atinge o combinație de înțelegere de calitate a construcțiilor lingvistice și capacitatea de a rula pe sisteme cu GPU-uri consumatorice standard. Pe lângă modelul în sine, un set de date utilizat în timpul instruirii și un instrumentar pentru validare sunt disponibile liber. De asemenea, este disponibil un procesor pentru a folosi modelul în instrumentarul Cavil, destinat verificării codului sursă în ceea ce privește conformitatea cu reglementările legale și cerințele (verificarea licențelor, identificarea încălcărilor licenței, evaluarea riscurilor).
Sursa: opennet.ro
