iamtarun/code_contest_python3_alpaca

该数据集包含编程竞赛的问题及其用Python3编写的解决方案。此数据集是通过处理Deepmind的code_contest数据集创建的，是一个用于机器学习的竞争性编程数据集。数据集的特征包括问题的唯一标识符、问题描述、解决方案代码、测试样本、问题来源以及生成的提示文本。数据集被分为训练集、验证集和测试集，每个部分都有详细的字节大小和示例数量。此外，数据集适用于问答、文本到文本生成和文本生成等任务。

原始信息汇总

数据集概述

数据集特征

• id：字符串类型，问题唯一标识。
• description：字符串类型，问题描述。
• code：字符串类型，问题的正确代码。
• test_samples：序列类型，包含输入和对应的输出。
  • input：字符串类型，输入数据。
  • output：字符串类型，输出数据。
• source：分类标签类型，问题来源。
  • UNKNOWN_SOURCE
  • CODECHEF
  • CODEFORCES
  • HACKEREARTH
  • CODEJAM
  • ATCODER
  • AIZU
• prompt：字符串类型，用于文本生成的alpaca风格提示。

数据集分割

• train：训练集，包含8139个样本，总大小为624564538字节。
• valid：验证集，包含95个样本，总大小为32348022字节。
• test：测试集，包含122个样本，总大小为20764786字节。

数据集大小

• 下载大小：192319894字节
• 数据集总大小：677677346字节

配置文件

• default：默认配置，包含训练、验证和测试数据文件的路径。

任务类别

• 问答
• 文本到文本生成
• 文本生成

标签

• 代码

大小类别

• 1K<n<10K