К содержимому

Датасет · KodCode

Синтетические задачи по программированию с тестами для SFT

KodCode/KodCode-V1-SFT-4o

Крупный открытый синтетический датасет на английском языке с проверяемыми решениями и тестами по программированию.

Что внутри

Полностью синтетический корпус из 12 тематических поднаборов (от базовых упражнений и знаний конкретных библиотек до олимпиадных задач и вопросов с собеседований) на английском языке. Размер составляет от 100 тысяч до 1 миллиона записей в табличном и текстовом виде, каждая задача снабжена проверяемым решением и тестами.

Что можно сделать

  • SFT-дообучение языковых моделей на генерацию и отладку кода
  • Обучение моделей с подкреплением (RL) на задачах с автоматической проверкой тестами
Задачи
Вопрос-ответ
Языки
Английский
Размер
100K–1M записей
Скачиваний за месяц
25 тыс.
Лайков
10

Как загрузить

from datasets import load_dataset

ds = load_dataset("KodCode/KodCode-V1-SFT-4o")