Датасет · microsoft
Синтетические инструкции для редактирования кода
microsoft/NextCoderDataset
Около 381 тысячи примеров на английском языке для обучения моделей редактированию кода на восьми языках программирования.
Что внутри
Внутри лежит синтетический инструктивный датасет из примерно 381 тысячи примеров (127k*3) на английском языке. Данные охватывают восемь языков программирования: Python, Java, C++, C, Rust, Javascript, Go и Kotlin. Датасет создан авторами из Microsoft для SFT-обучения семейства моделей NextCoder.
Что можно сделать
- Дообучение (SFT) языковых моделей под задачи редактирования и правки кода
- Создание LoRA-адаптеров для мультиязычных ИИ-ассистентов разработчика
- Задачи
- Генерация текста
- Языки
- Английский
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 728
- Лайков
- 56
Модели, обученные на нём
- microsoft/NextCoder-7BГенерация текста 2,8 тыс.
- microsoft/NextCoder-14BГенерация текста 2,5 тыс.
- mradermacher/Qwen2.5-Microsoft-NextCoder-Brainstorm20x-12B-i1-GGUF 2,3 тыс.
- mradermacher/Qwen2.5-Microsoft-NextCoder-Brainstorm20x-128k-ctx-12B-i1-GGUF 1,5 тыс.
- mradermacher/Qwen2.5-Microsoft-NextCoder-Olympic-Instruct-FUSED-CODER-Fast-11B-i1-GGUF 1,2 тыс.
- gabriellarson/NextCoder-7B-GGUFГенерация текста 978
- bartowski/microsoft_NextCoder-32B-GGUFГенерация текста 819
- mradermacher/Qwen2.5-Microsoft-NextCoder-Instruct-FUSED-CODER-Fast-11B-i1-GGUF 646
Как загрузить
from datasets import load_dataset
ds = load_dataset("microsoft/NextCoderDataset")