К содержимому

Датасет · codeparrot

Параллельный корпус кода на 7 языках и описаний

codeparrot/xlcost-text-to-code

Бенчмарк для генерации кода с сопоставлением английских описаний и семи языков программирования.

Что внутри

Машинно-обучаемый бенчмарк объёмом от 100 тысяч до 1 миллиона примеров с детально выровненными параллельными данными. Внутри представлены фрагменты кода на 7 популярных языках (C++, Java, Python, C#, Javascript, PHP, C) в паре с текстами на английском языке.

Что можно сделать

  • Обучение и проверка моделей генерации кода по текстовому описанию (text-to-code)
  • Оценка моделей на задачах перевода кода между разными языками программирования
Задачи
Генерация текста
Языки
Код
Размер
100K–1M записей
Скачиваний за месяц
1,1 тыс.
Лайков
52

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("codeparrot/xlcost-text-to-code")