sourcegraph/context-aware-fim-code-completions

---
dataset_info:
features:
- name: lang
dtype: string
- name: file_path
dtype: string
- name: repo_name
dtype: string
- name: commit
dtype: string
- name: file_code
dtype: string
- name: prefix
dtype: string
- name: suffix
dtype: string
- name: middle
dtype: string
- name: strategy
dtype: string
- name: context_items
list:
- name: content
dtype: string
- name: file_path
dtype: string
- name: rank
dtype: int64
- name: score
dtype: float64
splits:
- name: train
num_bytes: 1834820240
num_examples: 13489
download_size: 625796897
dataset_size: 1834820240
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 名称：语言（lang），数据类型：字符串
- 名称：文件路径（file_path），数据类型：字符串
- 名称：仓库名称（repo_name），数据类型：字符串
- 名称：提交标识（commit），数据类型：字符串
- 名称：文件代码（file_code），数据类型：字符串
- 名称：前缀（prefix），数据类型：字符串
- 名称：后缀（suffix），数据类型：字符串
- 名称：中间片段（middle），数据类型：字符串
- 名称：策略（strategy），数据类型：字符串
- 名称：上下文条目（context_items），数据类型：列表（list），列表元素特征：
- 内容（content）：字符串类型
- 文件路径（file_path）：字符串类型
- 排名（rank）：64位整数（int64）类型
- 得分（score）：64位浮点数（float64）类型
数据划分：
- 划分名称：训练集（train），字节占用量：1834820240，样本总数：13489
下载大小：625796897
数据集总大小：1834820240
配置项：
- 配置名称：默认配置（default），数据文件：
- 对应划分：训练集（train），数据路径：data/train-*

原始信息汇总

数据集信息

特征

• lang: 类型为字符串
• file_path: 类型为字符串
• repo_name: 类型为字符串
• commit: 类型为字符串
• file_code: 类型为字符串
• prefix: 类型为字符串
• suffix: 类型为字符串
• middle: 类型为字符串
• strategy: 类型为字符串
• context_items: 列表类型，包含以下子项：
  • content: 类型为字符串
  • file_path: 类型为字符串
  • rank: 类型为整数（int64）
  • score: 类型为浮点数（float64）

数据分割

• train: 包含13489个样本，总字节数为1834820240

数据集大小

• 下载大小: 625796897字节
• 数据集大小: 1834820240字节

配置

• default: 包含训练数据文件，路径为data/train-*