Датасет · bigcode
CommitPack: 4 ТБ коммитов GitHub
bigcode/commitpack
4 ТБ коммитов из GitHub-репозиториев с разрешительными лицензиями.
Что внутри
CommitPack — датасет коммитов, собранных из GitHub-репозиториев с разрешительными лицензиями. Объём — 4 ТБ. Язык данных — код; других сведений о количестве и формате в карточке нет.
Что можно сделать
- Обучить модель генерации коммитов
- Дообучить LLM для работы с code diff
- Проверить модель на реальных коммитах
- Языки
- Код
- Скачиваний за месяц
- 16,7 тыс.
- Лайков
- 81
Модели, обученные на нём
- JetBrains/Mellum-4b-baseГенерация текста 2,3 тыс.
- JetBrains/Mellum-4b-sft-allГенерация текста 763
- mradermacher/Mellum-4b-sft-python-i1-GGUF 573
- mradermacher/Mellum-4b-base-GGUF 451
- mradermacher/Mellum-4b-dpo-all-i1-GGUF 424
- mradermacher/Mellum-4b-base-i1-GGUF 377
- mradermacher/Mellum-4b-dpo-python-i1-GGUF 370
- JetBrains/Mellum-4b-sft-kotlin-gguf 309
Как загрузить
from datasets import load_dataset
ds = load_dataset("bigcode/commitpack")