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")