JetBrains-Research/swe-traj-complete

该数据集包含多个特征字段，如环境、轨迹、历史和信息等。轨迹和历史部分包含了动作、观察、响应等子字段。信息部分则包含了退出状态、模型统计等详细信息。数据集分为训练集，包含269个示例，总大小为38089545字节。

The dataset includes multiple feature fields such as environment, trajectory, history, and info. The trajectory and history sections contain subfields like action, observation, response, etc. The info section includes detailed information such as exit status and model statistics. The dataset is divided into a training set with 269 examples and a total size of 38089545 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• environment: 类型为字符串。
• trajectory: 包含以下子特征的列表：
  • action: 类型为字符串。
  • observation: 类型为字符串。
  • response: 类型为字符串。
  • state: 类型为字符串。
  • thought: 类型为字符串。
• history: 包含以下子特征的列表：
  • action: 类型为字符串。
  • agent: 类型为字符串。
  • content: 类型为字符串。
  • is_demo: 类型为布尔值。
  • role: 类型为字符串。
  • thought: 类型为字符串。
• info: 包含以下子特征的结构：
  • exit_status: 类型为字符串。
  • model_stats: 包含以下子特征的结构：
    • api_calls: 类型为int64。
    • instance_cost: 类型为float64。
    • tokens_received: 类型为int64。
    • tokens_sent: 类型为int64。
    • total_cost: 类型为float64。
  • submission: 类型为字符串。
• instance_id: 类型为字符串。
• prediction: 包含以下子特征的结构：
  • instance_id: 类型为字符串。
  • model_name_or_path: 类型为字符串。
  • model_patch: 类型为字符串。
• scorecard: 包含以下子特征的结构：
  • exit_status: 类型为字符串。
  • instance_id: 类型为字符串。
  • patch_files: 类型为字符串序列。
  • patch_lines_add: 类型为int64。
  • patch_lines_del: 类型为int64。
  • stats: 包含以下子特征的结构：
    • traj_action_dist: 包含以下子特征的结构：
      • #: 类型为int64。
      • ./build_docs.sh: 类型为int64。
      • ./lint_a.sh: 类型为int64。
      • ./run_sphinx.sh: 类型为int64。
      • ./testproject/manage.py: 类型为int64。
      • cat: 类型为int64。
      • cd: 类型为int64。
      • chmod: 类型为int64。
      • create: 类型为int64。
      • django-admin: 类型为int64。
      • echo: 类型为int64。
      • edit: 类型为int64。
      • exit_cost: 类型为int64。
      • exit_format: 类型为int64。
      • find: 类型为int64。
      • find_file: 类型为int64。
      • goto: 类型为int64。
      • ls: 类型为int64。
      • mkdir: 类型为int64。
      • mv: 类型为int64。
      • null: 类型为int64。
      • open: 类型为int64。
      • pwd: 类型为int64。
      • pylint: 类型为int64。
      • pytest: 类型为int64。
      • python: 类型为int64。
      • rm: 类型为int64。
      • scroll_down: 类型为int64。
      • scroll_up: 类型为int64。
      • search_dir: 类型为int64。
      • search_file: 类型为int64。
      • sphinx-build: 类型为int64。
      • submit: 类型为int64。
      • touch: 类型为int64。
    • traj_num_steps: 类型为int64。
  • statuses: 类型为字符串序列。
  • test_results: 包含以下子特征的结构：
    • failure: 包含以下子特征的结构：
      • FAIL_TO_PASS: 类型为字符串序列。
      • PASS_TO_PASS: 类型为字符串序列。
    • success: 包含以下子特征的结构：
      • FAIL_TO_PASS: 类型为字符串序列。
      • PASS_TO_PASS: 类型为字符串序列。

数据分割

• train: 包含269个样本，总字节数为38089545。

数据集大小

• 下载大小: 12720660字节。
• 数据集大小: 38089545字节。

配置

• default: 包含以下数据文件：
  • train: 路径为data/train-*。