Code concepts dataset for improved coding models

Набор данных Code Concepts — это масштабный синтетический набор данных, созданный из начальных концепций программирования. Он состоит из более чем 13 миллионов пар концепция-код, охватывающих 32 языков программирования. Набор данных предназначен для улучшения обучения моделей кодирования и понимания программ.

создание набора данных

Набор данных Code Concepts был создан в три этапа. Сначала были определены "начальные концепции программирования", которые представляют собой небольшие, четко определенные концепции программирования, такие как "цикл for", "условный оператор" или "функция". Затем для каждой начальной концепции использовалась большая языковая модель для создания нескольких описаний концепции на естественном языке. Наконец, другая большая языковая модель использовалась для создания кода на разных языках программирования на основе этих описаний концепций.

характеристики набора данных

Набор данных Code Concepts содержит более 13 миллионов пар концепция-код, охватывающих 32 языка программирования. Языки включают Python, Java, C++, JavaScript и другие. Набор данных охватывает широкий спектр концепций программирования, от базовых концепций, таких как переменные и типы данных, до более сложных концепций, таких как структуры данных и алгоритмы. Набор данных доступен для исследователей. Code Concepts Dataset.