stefanocarrera/autophagycode_D_mercury_Qwen3-4B_lr0.0001_c142_trust_t1.25_g6_run1

--- dataset_info: features: - name: task_id dtype: string - name: entry_point dtype: string - name: prompt dtype: string - name: completion dtype: string - name: top_k_progression dtype: string - name: test dtype: string splits: - name: train num_bytes: 4159613 num_examples: 142 download_size: 1022575 dataset_size: 4159613 configs: - config_name: default data_files: - split: train path: data/train-* ---

搜集汇总

数据集介绍

构建方式

该数据集源自对代码补全模型的强化学习训练过程，以Qwen3-4B为基座模型，在特定学习率与温度参数下，通过六轮迭代生成。数据集中每个样本包含任务标识、入口函数、提示词、模型补全结果、Top-K逐步推理序列以及测试用例，共计142条训练实例，构成一个聚焦于代码生成正确性与推理过程的高质量微调数据集。

使用方法

该数据集适用于对话式代码生成模型的进一步微调与评估。用户可直接使用train split中的prompt与completion对进行有监督微调，也可利用top_k_progression字段进行教师强制或模拟推理路径的学习。建议将数据整合至标准训练框架中，通过task_id与entry_point进行任务索引，并配合test字段完成自动评测。

背景与挑战

背景概述

该数据集名为autophagycode_D_mercury_Qwen3-4B_lr0.0001_c142_trust_t1.25_g6_run1，由自主代码生成领域的研究团队创建，旨在解决大语言模型在代码生成任务中的可靠性问题。该数据集聚焦于函数级别的代码补全与生成，包含142个训练样本，每个样本包含任务标识、入口点、提示词、补全结果以及多步生成过程等结构化信息。数据集来源于对大模型（如Qwen3-4B）在特定超参数配置下的输出进行筛选与标注，核心研究问题是探索如何通过模型自身生成的信任度阈值与温度参数调控，提升代码生成的准确性与一致性。该数据集为细粒度评估语言模型在结构化编程任务中的能力提供了基准，对推动代码智能体与自动化编程工具的发展具有重要意义。

当前挑战

该数据集所解决的领域挑战主要有三方面：首先，大语言模型在代码生成任务中常产生语法正确但语义错误的输出，数据集通过记录多步生成过程中的信心得分（top_k_progression），为识别与过滤这类不可靠输出提供了数据基础。其次，构建过程中面临样本稀缺与标注质量控制的难题，仅142个样本需确保每个样例都能涵盖真实世界编程中的常见模式与边界情况。最后，如何平衡模型温度参数与生成多样性之间的关系，避免低温度导致模式固化或高温度引入过多噪声，是数据集在超参数设计（t1.25, g6）中的核心挑战，也为后续研究提供了可复现的实验配置参考。

常用场景

经典使用场景

在软件自动化测试与程序修复的学术前沿，该数据集聚焦于代码错误修复与代码补全两大核心任务。其设计精巧，通过捕获程序在生成过程中逐步演进的行为轨迹（top_k_progression），为研究模型在复杂编程逻辑下的逐步推理能力提供了不可多得的训练资源。研究人员能够利用该数据集训练语言模型，使其在给定功能描述或错误上下文时，精准生成正确的代码片段，尤其适用于处理单函数级别的缺陷修复场景。

解决学术问题

该数据集直击当前程序合成领域两大核心痛点：一是缺乏具备完整递进式推理轨迹的高质量训练数据，导致模型在复杂逻辑任务中泛化能力不足；二是现有基准难以有效评估模型在纠错过程中逐步逼近正确解的能力。通过提供142个包含原始提示与逐步修复路径的样本，它显著推动了面向任务的代码生成与细粒度程序修复研究，为探索模型在生成中逐步自我修正的机制奠定了关键数据基础。

实际应用

在实际工程应用中，该数据集可作为智能编程助手的核心训练素材，赋能自动代码审查与缺陷定位工具。基于该数据集训练的系统能够辅助开发者实时检测代码逻辑漏洞，并推荐多步修复方案，显著提升软件迭代效率。此外，针对高校编程教学场景，该数据集中的渐进式修复路径可转化为交互式学习案例，帮助学习者理解从错误代码到正确实现的思维过程。

数据集最近研究

最新研究方向

该数据集聚焦于大语言模型在代码生成与自监督学习领域的交叉前沿，特别关注模型在复杂编程任务上的推理能力强化与对抗性训练。随着Qwen3-4B等中型语言模型在代码智能任务中的表现日益突出，研究者开始探索通过精细化的提示工程与top-k渐进式生成策略，提升模型对长链条逻辑的捕捉与稳定输出能力。数据集包含142个经过精挑细选的训练实例，每例均配有多维度的完成度与测试验证信息，为研究模型在低资源、高置信度场景下的泛化性能提供了宝贵的基准。当前，围绕代码合成中的信任机制与抗噪声训练成为热点，本数据集的设计恰好契合了对抗性样本生成和可靠性评估的迫切需求，对于推动自动驾驶代码系统及自动化编程助手的可信部署具有重要示范意义。