Датасет · Third-Space
Корпус кода Code Bagel (~800 млн токенов)
Third-Space/code_bagel
Неофициальная копия Code Bagel: около 800 млн токенов уникального кода более чем на 100 языках.
Что внутри
Это неофициальная перезаливка Code Bagel; оригинал указан в карточке. Внутри около 800 млн токенов уникальных данных, связанных с программированием, до 10 000 токенов на строку и поддержка более 100 языков программирования. Язык метаданных — английский.
Что можно сделать
- Обучение кодовой LLM
- LoRA для автодополнения кода
- Проверка модели на мультиязычном коде
- Языки
- Английский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 212
- Лайков
- 101
Как загрузить
from datasets import load_dataset
ds = load_dataset("Third-Space/code_bagel")