Vibe-Coding-Instruct
收藏资源简介：
Vibe-Coding-Instruct是一个大规模指令遵循数据集，专为代码大语言模型的监督微调（SFT）而设计。该数据集包含超过110万条指令-响应对，覆盖编程、调试、代码解释、软件工程、算法、脚本编写、Web开发和通用开发者辅助等多个领域。每条数据记录包含四个字段：instruction（用户的编程任务或请求）、input（可选的额外上下文）、output（预期的助手响应）和prompt（结合了指令和输入的预格式化提示）。数据集以Parquet格式提供，开箱即用，并已针对Llama、Qwen、Gemma、Mistral、DeepSeek等模型进行了优化。该数据集适用于监督微调（SFT）、编码助手、代码生成模型、调试助手、指令遵循大语言模型以及代码语言模型的研究。数据由LeeChanRX策划和生成，可能包含合成和策划的示例。需要注意的是，数据集中可能包含不完美或过时的编码实践，生成的代码在生产使用前应进行审查，且并非所有样本的响应都经过人工验证。数据集采用Apache-2.0许可证。
Vibe-Coding-Instruct is a large-scale instruction-following dataset designed for supervised fine-tuning (SFT) of code large language models. It contains over 1.1 million instruction-response pairs covering programming, debugging, code explanation, software engineering, algorithms, scripting, web development, and general developer assistance. Each data record includes four fields: instruction (users programming task or request), input (optional additional context), output (expected assistant response), and prompt (pre-formatted prompt combining instruction and input). The dataset is provided in Parquet format, ready-to-use, and optimized for models like Llama, Qwen, Gemma, Mistral, and DeepSeek. It is suitable for supervised fine-tuning (SFT), coding assistants, code generation models, debugging assistants, instruction-following large language models, and code language model research. The data is curated and generated by LeeChanRX and may include synthetic and curated examples. Note that the dataset may contain imperfect or outdated coding practices, generated code should be reviewed before production use, and not all sample responses are human-verified. The dataset is licensed under Apache-2.0.
Vibe-Coding-Instruct 数据集概述
基本信息
- 语言：英语
- 许可证：Apache-2.0
- 数据集大小：1,000,000 到 10,000,000 条样本
- 任务类型：文本生成
- 标签：custom、vibecodinginstruct
数据集简介
Vibe-Coding-Instruct 是一个大规模指令遵循数据集，专为面向编程的大型语言模型的监督微调（SFT）设计。数据集包含超过 110 万 条指令-响应对，涵盖编程、调试、代码解释、软件工程、算法、脚本编写、Web 开发和通用开发者辅助等领域。
每个样本包含一条指令、可选的输入上下文、期望的输出以及适用于指令微调模型的预格式化提示。
数据结构
每条记录包含四个字段：
| 字段 | 说明 |
|---|---|
instruction |
用户的编程任务或请求 |
input |
可选的额外上下文 |
output |
期望的助手响应 |
prompt |
结合指令和输入的预格式化提示 |
主要特点
- 🚀 110 万条指令-响应对
- 💻 涵盖多种编程语言
- 🧠 针对监督微调（SFT）优化
- 🤖 兼容 Llama、Qwen、Gemma、Mistral、DeepSeek 等模型
- 📦 即用型 Parquet 格式
- ⚡ 包含预格式化提示
数据示例
json { "instruction": "Write a Python function to reverse a string.", "input": "", "output": "def reverse_string(s): return s[::-1]", "prompt": "### Instruction: Write a Python function to reverse a string.
Response:"
}
快速加载
python from datasets import load_dataset
dataset = load_dataset( "LeeChanRX/Vibe-Coding-Instruct" )
print(dataset["train"][0])
预期用途
- 监督微调（SFT）
- 编程助手
- 代码生成模型
- 调试助手
- 指令遵循大语言模型
- 面向代码的语言模型研究
数据来源
该数据集由 LeeChanRX 整理和生成，包含用于训练语言模型的指令-响应对，可能包含合成数据和人工整理的数据。
局限性
- 数据集可能包含不完善或过时的编程实践。
- 生成的代码在生产环境使用前应经过审查。
- 并非所有样本的响应都经过人工验证。
引用
bib @dataset{VibeCodingInstruct, author = {LeeChanRX}, title = {Vibe-Coding-Instruct}, year = {2026}, publisher = {Hugging Face} }
