Датасет · bigcode
Обсуждения из GitHub Issues и Pull Requests (54 ГБ)
bigcode/the-stack-github-issues
Массив из 30,9 млн файлов с переписками разработчиков в задачах и пул-реквестах на GitHub.
Что внутри
Крупный корпус от проекта BigCode объёмом 54 ГБ, содержащий 30,9 миллиона файлов с цепочками событий из GitHub Issues и Pull Requests преимущественно на английском языке. Каждая ветка включает последовательность действий (открытие, комментарии, закрытие), тексты сообщений, логины авторов и идентификаторы задач.
Что можно сделать
- Обучение кодовых LLM ведению диалога по баг-репортам и ревью пул-реквестов
- Создание ИИ-агентов для автоматической триажи и классификации задач в репозиториях
- Задачи
- Генерация текста
- Языки
- Английский
- Размер
- 10M–100M записей
- Скачиваний за месяц
- 495
- Лайков
- 53
- Доступ
- по запросу на Hugging Face
Модели, обученные на нём
- stabilityai/stable-code-3bГенерация текста 6,1 тыс.
- TheBloke/stable-code-3b-GGUF 2,1 тыс.
- mradermacher/stable-code-3b-i1-GGUF 2 тыс.
- mradermacher/stable-code-3b-GGUF 1,7 тыс.
- QuantFactory/stable-code-3b-GGUFГенерация текста 1,2 тыс.
- brittlewis12/stable-code-3b-GGUFГенерация текста 456
- TheBloke/stable-code-3b-GPTQГенерация текста 215
- DhruvalLabs/stable-code-3b-GGUFГенерация текста 211
Как загрузить
from datasets import load_dataset
ds = load_dataset("bigcode/the-stack-github-issues")