Ling-Coder-SFT

This dataset is part of the SFT data used for fine-tuning the Ling-Coder Lite model. It includes over 5 million samples covering more than 20 programming languages and spans various topics such as text-to-code, code execution reasoning, and code completion.

本数据集为用于微调Ling-Coder Lite模型的监督微调（Supervised Fine-Tuning，SFT）数据的一部分。该数据集包含超500万条样本，覆盖20余种编程语言，涵盖文本转代码（text-to-code）、代码执行推理（code execution reasoning）以及代码补全（code completion）等多类任务主题。

搜集汇总

背景与挑战

背景概述

Ling-Coder-SFT是用于微调Ling-Coder Lite模型的SFT数据子集，包含超过500万条中英文样本，覆盖20多种编程语言，涉及文本到代码、代码补全等多种编程主题。该数据集采用类似OSS-Instruct的方法合成，通过大语言模型生成并经过质量过滤处理。