Code-Refinement/utf_20_refs_file

该数据集包含编程问题的多个特征，如问题ID、问题描述、解决方案、输入输出对、难度级别、URL、起始代码、是否基于调用、初始代码、初始反馈、初始奖励值等。数据集分为训练集和测试集，训练集包含3054个示例，测试集包含624个示例。总下载大小为73231182字节，总数据集大小为170506654字节。

原始信息汇总

数据集概述

数据集特征

• problem_id: 数据类型为 int64
• question: 数据类型为 string
• solutions: 数据类型为 string
• input_output: 结构体包含以下字段：
  • inputs: 序列类型为 string
  • outputs: 序列类型为 string
• difficulty: 数据类型为 string
• url: 数据类型为 string
• starter_code: 数据类型为 string
• is_call_based: 数据类型为 bool
• code_initial: 数据类型为 string
• feedback_initial: 数据类型为 string
• r_initial: 数据类型为 float64
• sol_idx: 数据类型为 int64
• chosen_ref_id: 数据类型为 int64
• chosen_refinement: 数据类型为 string
• chosen_reward: 数据类型为 float64
• rejected_ref_id: 数据类型为 int64
• rejected_refinement: 数据类型为 string
• rejected_reward: 数据类型为 float64
• branch_weight: 数据类型为 float64

数据集分割

• train:
  • 字节数: 47650201
  • 样本数: 3054
• test:
  • 字节数: 122856453
  • 样本数: 624

数据集大小

• 下载大小: 73231182
• 数据集大小: 170506654

配置

• default:
  • 数据文件路径:
    • train: data/train-*
    • test: data/test-*