selfcodealign 是模型训练领域的开源项目，由 bigcode-project 开发，2024 年首次发布。
它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 325。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-16。Apache-2.0许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：代码大模型训练数据自动构建。同类可对比的替代方案包括 CodeRL、Self-Instruct、WizardCoder。
selfcodealign
让代码模型自己教自己，无需人工标注，自动提升生成质量。
SelfCodeAlign 是一个面向代码生成任务的自对齐框架，核心思想是让模型通过自身生成的数据来提升代码生成能力，无需依赖人工标注或外部模型。它解决了代码大模型训练中数据获取成本高、标注困难的问题，通过从模型自身采样、过滤、执行验证和指令构建的完整流程，自动生成高质量的训练数据。该框架在 NeurIPS 2024 上发表，支持多种主流代码模型，并提供了完整的训练和评估流程。其核心能力包括：基于执行反馈的自动数据过滤、多样化的指令生成、以及跨模型的自对齐训练策略，能够显著提升模型在 HumanEval 等基准上的 pass@1 指标。
开源
free
开源模型
GitHub 星标
★ 325
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队bigcode-project
所属国家
定价模式free
价格说明开源项目，Apache-2.0许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型large-language-models,llm,llm4code
GitHub 星标★ 325
30天Star增速
HF 下载量
上线时间2024-04-25 00:00:00
最近更新2026-09-16 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数6
使用教程
核心亮点
- 无需人工标注或外部模型，完全自举，大幅降低数据成本
- 通过执行验证过滤数据，保证训练数据可运行，质量高
- 在多个代码模型上验证有效，HumanEval 指标提升显著
不足之处
- 依赖基础模型初始能力，弱模型自举效果有限
- 文档/社区待观察
适用场景
- 代码大模型训练数据自动构建
- 提升现有代码生成模型的指令遵循能力
- 低资源场景下代码模型自进化
替代项目
CodeRL、Self-Instruct、WizardCoder
项目介绍
下一篇：SimPO
同类项目推荐
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···