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")