multilingual-code-comments-fixed-6

该数据集包含五种语言（中文、荷兰语、英语、希腊语、波兰语）的代码相关数据，每个语言配置包含500个训练样本。主要特征包括文件ID、代码内容、代码仓库信息、文件路径、原始注释，以及来自Qwen/CodeQwen1.5-7B、bigcode/starcoder2-7b、ibm-granite/granite-8b-code-base、meta-llama/CodeLlama-7b-hf和google/codegemma-7b等多个AI模型的掩码数据、预测结果和预测注释。此外，还包含专家对各模型预测准确性的评估结果和错误代码。数据集适用于代码生成、代码注释预测等自然语言处理任务的模型评估和比较研究。