Ling-Coder-DPO

This dataset is part of the DPO data used in the post-training phase of the Ling-Coder Lite model. It consists of 250,000 samples covering various programming languages.

本数据集为Ling-Coder Lite模型后训练阶段所用直接偏好优化（Direct Preference Optimization，DPO）数据集的一部分，包含25万个样本，涵盖多种编程语言。

搜集汇总

背景与挑战

背景概述

Ling-Coder-DPO是Ling-Coder数据集的一个子集，包含25万样本，用于训练Ling-Coder Lite模型的DPO阶段。该数据集源自开源code_contests，通过代码测试通过率、PPL分布和奖励模型评分筛选问题及正负样本，涵盖多种流行编程语言。