К содержимому

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

Как загрузить

from datasets import load_dataset

ds = load_dataset("bigcode/the-stack-github-issues")