К содержимому

Датасет · nvidia

Синтетический корпус с рассуждениями для генерации кода

nvidia/OpenCodeReasoning-2

2,5 млн примеров кода на Python и C++ с цепочками рассуждений от NVIDIA для SFT-обучения.

Что внутри

Крупнейший на момент релиза синтетический датасет с рассуждениями для программирования. Содержит 1,4 млн примеров на Python и 1,1 млн примеров на C++, составленных по 34 799 уникальным задачам из олимпиадного программирования. Данные ориентированы на задачи дополнения и критики кода.

Что можно сделать

  • Supervised fine-tuning (SFT) языковых моделей для генерации и дописывания кода
  • Обучение моделей-критиков для поиска ошибок и анализа программ
  • Усиление навыков пошагового логического вывода (reasoning) у кодовых LLM
Задачи
Генерация текста
Размер
1M–10M записей
Скачиваний за месяц
13,7 тыс.
Лайков
64

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("nvidia/OpenCodeReasoning-2")