К содержимому

Датасет · ajibawa-2023

Крупный корпус исходного кода на JavaScript

ajibawa-2023/JavaScript-Code-Large

Около 5 миллионов файлов с кодом на JavaScript для претрейна и дообучения кодовых моделей.

Что внутри

Масштабный текстовый корпус включает порядка 5 миллионов файлов исходного кода на языке JavaScript (англоязычный сегмент). Датасет предназначен для предобучения больших языковых моделей, задач анализа программ и автоматизации разработки в экосистеме JS.

Что можно сделать

  • Дообучение (continual pretraining) LLM для улучшенной генерации JavaScript-кода
  • Обучение моделей автодополнения и статического анализа кода
Задачи
Генерация текста
Языки
Английский
Размер
1M–10M записей
Скачиваний за месяц
3 тыс.
Лайков
34

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("ajibawa-2023/JavaScript-Code-Large")