stojchet/dpo-final_base_dataset

该数据集包含Java和Python两种编程语言的代码片段。每个代码片段都有对应的提示、被拒绝的代码和被选中的代码。数据集分为训练集和验证集，用于训练和验证模型。Java配置的训练集有29378个样本，验证集有287个样本；Python配置的训练集有7463个样本，验证集有298个样本。

The dataset includes code snippets in Java and Python programming languages. Each snippet has a corresponding prompt, rejected code, and chosen code. The dataset is divided into training and validation sets for model training and validation. The Java configuration has 29378 samples in the training set and 287 samples in the validation set; the Python configuration has 7463 samples in the training set and 298 samples in the validation set.

原始信息汇总

数据集概述

配置信息

Java 配置

• 特征:
  • prompt: 字符串类型
  • rejected: 字符串类型
  • chosen: 字符串类型
• 分割:
  • train:
    • 字节数: 45437883.0
    • 样本数: 29378
  • validation:
    • 字节数: 378483.0
    • 样本数: 287
• 下载大小: 21424445 字节
• 数据集大小: 45816366.0 字节
• 数据文件路径:
  • train: java/train-*
  • validation: java/validation-*

Python 配置

• 特征:
  • prompt: 字符串类型
  • rejected: 字符串类型
  • chosen: 字符串类型
• 分割:
  • train:
    • 字节数: 14405555.0
    • 样本数: 7463
  • validation:
    • 字节数: 513757.0
    • 样本数: 298
• 下载大小: 7343214 字节
• 数据集大小: 14919312.0 字节
• 数据文件路径:
  • train: python/train-*
  • validation: python/validation-*