GitHub-Python
收藏arXiv2025-09-30 收录
下载链接：
https://github.com/michiyasunaga/bifi
下载链接
链接失效反馈官方服务：
资源简介：
该数据集精心筛选了大约10万个去重后的Python文件，这些文件均来自于2023年1月1日之后创建的GitHub仓库，确保了数据的高质量和时效性。此外，该数据集被用于为CodeGPT模型创建非会员数据集。其规模达到10万个文件，任务是对CodeGPT模型进行微调。
This dataset carefully curates approximately 100,000 deduplicated Python files, all sourced from GitHub repositories created after January 1, 2023, ensuring high data quality and timeliness. Additionally, this dataset is utilized as a non-member training dataset for the CodeGPT model, which comprises 100,000 files and is intended for fine-tuning the CodeGPT model.
