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")