Датасет · KodCode
Синтетические задачи по программированию с тестами
KodCode/KodCode-V1
Крупный синтетический корпус задач по коду с проверяемыми решениями и тестами для SFT и RL.
Что внутри
KodCode — полностью синтетический открытый датасет с проверяемыми решениями и тестами для задач по программированию. В нём 12 подмножеств: от алгоритмов до знаний о конкретных пакетах и от базовых упражнений до интервью и соревновательного программирования. Данные на английском, размер — от 100 тыс. до 1 млн примеров; модальности — таблицы и текст.
Что можно сделать
- Дообучить код-модель на SFT с проверкой решений
- Провести RL-тюнинг на задачах с тестами
- Оценить генерацию кода на разных уровнях сложности
- Языки
- Английский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 24,8 тыс.
- Лайков
- 121
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("KodCode/KodCode-V1")