SynthCoNL-neardedup数据集是一个由(comment, code, code)三元组组成的语料库，基于CodeSearchNet数据集生成，并用于微调ModularStarEncoder-finetuned模型。该数据集遵循了MoSE: Hierarchical Self-Distillation Enhances Early Layer Embeddings论文中的近复制删除过程

Hugging Face2025-05-20 更新90

semeru/code-code-MethodGeneration

代码生成

程序理解

该数据集是从CodeXGLUE导入的，并使用了他们的脚本进行预处理。数据集用于方法生成任务，即根据方法的签名、文档字符串和更多上下文预测方法体的实现。数据集来源于CodeSearchNet Python数据集，重新下载了所有方法，包括它们的签名、文档字符串和体。移除了没有文档字符串或名称包含test的方法。保留了方法周围的上下文信息，因为仅基于签名/文档字符串生成方法体是一个困难的任务。还应用了字

Hugging Face2023-03-27 更新250

mopsa-dataset

静态代码分析

程序理解

Mopsa 数据集是一个包含静态分析追踪数据的集合，由 Mopsa 工具生成。数据集以 JSON Lines 格式存储，包含以下字段：`code`（去除 `Solution` 标头的原始源代码）、`trace_raw`（经过清理的 Mopsa 执行追踪）、`trace_seps`（从 `trace_raw` 中提取的代码/追踪分组）、`dataset`（源数据集名称）、`id`（样本标识符）以及

Hugging Face2026-04-01 更新110

Code representation techniques used in the literature.

资源简介：

相关数据集