GPT Java Dataset - Detect LLM-Written Code

kaggle2026-01-31 更新2025-02-22 收录

代码生成

作者归属

数据链接：

https://www.kaggle.com/datasets/timothypaek/gpt-java-dataset 数据链接链接失效反馈

官方服务：

资源简介：

LLM-Generated Java Code for Authorship Attribution & Detection

大语言模型生成的Java代码用于作者归属与检测

创建时间：

2025-01-30

code_alpaca_en

代码生成

机器学习

## 数据集描述 20K instruction-following data used for code generation. ### 数据集加载方式 ```Python from modelscope.msdatasets import MsDataset from modelscope.utils.constant import DownloadMode # Load the data

魔搭社区2026-07-10 更新230

davidanugraha/rStarCoder-Reflection-Test-8k

编程评估

代码生成

--- 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100

cchoi1/humaneval_qwen7b_sol_iter0_ppo_att20_sol50_relabeled

代码生成

机器学习

该数据集包含了与任务相关的突变ID、任务ID、突变提示、解决者提示、响应、突变信息、突变者得分、解决方案得分和解决方案信息等字段。它被设计用于训练机器学习模型，可能是在代码生成或代码优化任务中。训练集包含1524个示例，数据集大小为27356501字节。

Hugging Face2025-03-31 更新80

mj33/SimCoPilot

编程辅助

代码生成

SimCoPilot是一个用于评估大型语言模型（LLMs）作为交互式编码助手能力的基准测试。它测试LLMs在复杂现实世界软件环境中添加和完成代码的能力，并分析LLMs如何管理不同的代码依赖和逻辑复杂性。数据集包含Python和Java代码，主要用于程序合成、基准测试和研究新编码工具的开发。数据集结构包括11个字段，详细描述了代码任务的类型、代码段的位置、代码的前后内容以及逻辑组件的使用情况。数据集

Hugging Face2024-06-13 更新150

AceCodePair-QwenCoderIns32B

代码生成

机器学习

# 🂡 AceCodePair-QwenCoderIns32B [Paper](https://arxiv.org/abs/2502.01718) | [Github](https://github.com/TIGER-AI-Lab/AceCoder) | [AceCode-89K](https://huggingface.co/datasets/TIGER-Lab/AceCode-89K

魔搭社区2025-05-22 更新80

GPT Java Dataset - Detect LLM-Written Code

资源简介：

相关数据集