К содержимому

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

Как загрузить

from datasets import load_dataset

ds = load_dataset("microsoft/NextCoderDataset")