File size: 3,484 Bytes
df53230 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 | ---
license: mit
language:
- en
- fr
- code
library_name: transformers
pipeline_tag: text-generation
tags:
- code
- code-generation
- rina-ai
- llm
---
# RINA Coder — Base
> Modele de langage RINA AI dedie a la generation, la completion et l explication de code.
> Site : [plateforme-rina.com](https://plateforme-rina.com) · Code : [github.com/siliconcorerina/RINA-AI](https://github.com/siliconcorerina/RINA-AI)
**Statut : placeholder.** Les poids ne sont pas encore publies. Ce depot reserve l identifiant `siliconcorerina/rina-coder-base` et decrit le modele cible. La premiere version sera annoncee via les [issues du depot GitHub](https://github.com/siliconcorerina/RINA-AI/issues/4).
## Description
RINA Coder est la famille de modeles de generation de code maintenue par l equipe RINA AI. Cette variante `base` est destinee a la completion et a la generation libre. Une variante `instruct` suivra pour les usages conversationnels.
## Usage prevu
```python
from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = "siliconcorerina/rina-coder-base"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")
prompt = "def fibonacci(n):"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=128, temperature=0.2)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
```
Voir aussi le script de demo : [demo/inference_example.py](https://github.com/siliconcorerina/RINA-AI/blob/main/demo/inference_example.py).
## Cas d usage
- Completion de code dans des editeurs et IDE
- Generation de fonctions a partir de docstrings
- Explication de snippets de code
- Refactoring assiste
- Tests unitaires generes a partir du code source
## Hors perimetre
- Conseil juridique, medical ou financier
- Decisions impactant des personnes (recrutement, credit, etc.)
- Usage en production sans verification humaine du code genere
## Donnees d entrainement
A documenter lors de la publication du premier checkpoint. Les sources prevues incluent :
- Code open source sous licences permissives
- Documentation technique publique
- Corpus de problemes de programmation (HumanEval-like)
## Evaluation
Les benchmarks cibles sont :
| Benchmark | Statut |
|-----------|--------|
| HumanEval (pass@1) | a venir |
| MBPP (pass@1) | a venir |
| MultiPL-E (Rust, Go, Kotlin) | a venir |
| RINA-Bench (interne) | a venir |
Suivi : [issues evaluation](https://github.com/siliconcorerina/RINA-AI/labels/evaluation).
## Limitations
- Le code genere peut contenir des bugs, des failles de securite, ou ne pas compiler. Toujours relire et tester.
- Le modele peut halluciner des API ou des bibliotheques inexistantes.
- Les performances varient fortement selon le langage et le domaine.
- Le contexte est limite ; les fichiers tres longs ne sont pas couverts dans une seule passe.
## Licence
MIT. Voir [LICENSE](https://github.com/siliconcorerina/RINA-AI/blob/main/LICENSE).
## Contact
- Site : [plateforme-rina.com](https://plateforme-rina.com)
- Email : [hello@plateforme-rina.com](mailto:hello@plateforme-rina.com)
- GitHub : [github.com/siliconcorerina](https://github.com/siliconcorerina)
## Citation
```bibtex
@misc{rinacoder2026,
title = {RINA Coder: a code language model by RINA AI},
author = {RINA AI Team},
year = {2026},
url = {https://huggingface.co/siliconcorerina/rina-coder-base}
}
```
|