代码大语言模型（Code LLMs），例如 StarCoder，在代码相关任务中已展现出卓越的性能。然而，大多数现有模型仅在大量原始代码数据上进行预训练，而未经过指令微调。本文提出 WizardCoder，通过将 Evol-Instruct 方法适配至代码领域，为代码大语言模型引入了复杂的指令微调能力。在四个主流代码生成基准测试——HumanEval、HumanEval+、MBPP 和 DS-1000 上进行的全面实验表明，本模型展现出卓越的能力，显著超越所有其他开源代码大语言模型。此外，该模型在 HumanEval 和 HumanEval+ 上的表现甚至优于目前最大的闭源大语言模型，包括 Anthropic 的 Claude 与 Google 的 Bard。本文的代码、模型权重及数据均已公开，可访问 https://github.com/nlpxucan/WizardLM 获取。