К содержимому

Датасет · ronantakizawa

Ревью кода и правки из топ-репозиториев GitHub

ronantakizawa/github-codereview

Крупный набор комментариев ревьюеров к pull request и последующих исправлений кода для обучения моделей автоматического код-ревью.

Что внутри

В датасете собраны примеры код-ревью от людей из популярных репозиториев GitHub на английском языке и различных языках программирования. Каждая запись содержит фрагмент кода, строчный комментарий ревьюера к pull request и итоговую правку от автора, а также негативные примеры — код из тех же PR, принятый без замечаний. Объём выборки составляет от 100 тысяч до 1 миллиона записей в текстовом и табличном виде.

Что можно сделать

  • Обучение или LoRA-дообучение LLM для автоматического ревью pull request и генерации правок.
  • Тренировка классификатора для поиска фрагментов кода, которые требуют замечаний от ревьюера.
Задачи
Генерация текста
Языки
Английский, Код
Размер
100K–1M записей
Скачиваний за месяц
884
Лайков
66

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("ronantakizawa/github-codereview")