jtatman/combined_coder_python

该数据集是通过合并多个较小的Python代码数据集构建而成的，格式被更改为系统、指令和输出。数据集的特征包括输出、指令和输入，其中输入是一个字符串序列。数据集的大小在10万到100万之间，主要用于文本生成任务。数据集的来源包括多个公开的Python代码数据集，如Evol-Instruct-Code-80k-v1、dolphin-coder等。

原始信息汇总

数据集概述

数据特征

• output: 数据类型为字符串。
• instruction: 数据类型为字符串。
• system: 数据类型为字符串。
• index_level_0: 数据类型为整数。

数据分割

• train: 包含559515个样本，占用926742763字节。

数据大小

• 下载大小: 350076738字节。
• 数据集大小: 926742763字节。

配置

• default: 包含训练数据文件，路径为data/train-*。

任务类别

• text-generation

标签

• code
• python

大小类别

• 100K<n<1M

数据来源

• dataset1: nickrosh/Evol-Instruct-Code-80k-v1
• dataset2: ehartford/dolphin-coder
• dataset3: iamtarun/python_code_instructions_18k_alpaca
• dataset4: iamtarun/python_code_instructions_18k_alpaca
• dataset5: Vezora/Tested-22k-Python-Alpaca
• dataset6: mlabonne/Evol-Instruct-Python-26k
• dataset7: KrisPi/PythonTutor-Evol-1k-DPO-GPT4_vs_35
• dataset8: KonradSzafer/stackoverflow_python_preprocessed
• dataset9: ml6team/the-stack-smol-python
• dataset10: Nan-Do/instructional_code-search-net-python
• dataset11: iamtarun/code_contest_python3_alpaca