walledai/CSEAutocomplete

该数据集包含多种编程语言的代码片段，每个片段详细记录了提示信息、代码仓库、文件路径、行号、行文本、原始代码、CWE标识符、模式ID、模式描述、规则、变体和分析器等特征。数据集被细分为多个子集，每个子集对应一种特定的编程语言，如C、Rust、JavaScript等，每个子集包含特定数量的字节和示例。该数据集主要用于文本生成任务。

原始信息汇总

数据集概述

数据集特征

• prompt: 字符串类型
• repo: 字符串类型
• file_path: 字符串类型
• line_number: 整数类型
• line_text: 字符串类型
• origin_code: 字符串类型
• cwe_identifier: 字符串类型
• pattern_id: 字符串类型
• pattern_desc: 字符串类型
• rule: 字符串类型
• variant: 字符串类型
• analyzer: 字符串类型

数据集分割

• c:
  • 字节数: 338207.1341336117
  • 样本数: 227
• rust:
  • 字节数: 303939.4509394572
  • 样本数: 204
• javascript:
  • 字节数: 370984.9180584551
  • 样本数: 249
• cpp:
  • 字节数: 385883.91075156577
  • 样本数: 259
• python:
  • 字节数: 522954.6435281837
  • 样本数: 351
• java:
  • 字节数: 341186.93267223384
  • 样本数: 229
• csharp:
  • 字节数: 350126.3282881002
  • 样本数: 235
• php:
  • 字节数: 241363.68162839249
  • 样本数: 162

数据集大小

• 下载大小: 1238160 字节
• 数据集大小: 2854647 字节

配置

• 配置名称: default
  • 数据文件路径:
    • c: data/c-*
    • rust: data/rust-*
    • javascript: data/javascript-*
    • cpp: data/cpp-*
    • python: data/python-*
    • java: data/java-*
    • csharp: data/csharp-*
    • php: data/php-*

任务类别

• text-generation