--- dataset_info: features: - name: prompt dtype: string - name: selected dtype: string - name: rejected dtype: string splits: - name: train num_bytes: 75033356 num_exa

Hugging Face2023-10-14 更新50

Harshpreet-singh1/datasetfinetune

编程语言

代码生成

GitHub Code数据集包含来自GitHub的115M个代码文件，涵盖32种编程语言和60种文件扩展名，总数据量为1TB。数据集从Google BigQuery的GitHub数据集中创建，并经过预处理以去除过长的行和重复文件。数据集中的每个实例包含代码、仓库名称、文件路径、编程语言、许可证和文件大小等信息。

Hugging Face2023-08-23 更新150

davidanugraha/rStarCoder-Adversarial-Test-16k

代码生成

对抗性测试

--- dataset_info: features: - name: id dtype: string - name: data_source dtype: string - name: content dtype: string - name: ability dtype: string - name: reward_model

Hugging Face2025-12-13 更新70

GPT Java Dataset - Detect LLM-Written Code

资源简介：

相关数据集