NuclearAi/Nuke-Python-Verse

NuclearAi/Nuke-Python-Verse数据集是一个包含超过240,888条独特Python代码行的综合集合，源自公共数据集。该数据集专为微调和训练大型语言模型（LLMs）设计，旨在提升Python语言的理解和生成能力。数据集包含训练集，拥有240,888个样本，总大小为409,882,068字节。其特征包括对话记录，每个对话记录包含发送者和内容两个字段，均为字符串类型。数据集适用于问题回答、文本生成和文本到文本生成等任务，支持英语语言，并标记为Python、合成数据和编码相关。

原始信息汇总

数据集概述

数据集信息

• 特征:
  • conversations:
    • from: 数据类型为 string
    • value: 数据类型为 string
• 分割:
  • train:
    • 字节数: 409882068
    • 样本数: 240888
• 下载大小: 194962355 字节
• 数据集大小: 409882068 字节

配置

• 配置名称: default
  • 数据文件:
    • train: data/train-*

许可

• 许可证: apache-2.0

任务类别

• 问答
• 文本生成
• 文本到文本生成

语言

• 英语

标签

• python
• synthetic
• coding
• synthetic code dataset

大小类别

• 100K < n < 1M