Nan-Do/reason_code-search-net-python|代码理解数据集|自然语言处理数据集

该数据集是一个用于Python的指令数据集，包含五种不同类型的任务。给定一个Python 3函数，任务类型包括：生成解释函数功能的摘要、生成解释输入参数含义的摘要、生成解释返回值含义的摘要、生成解释返回值类型的摘要、生成解释输入参数类型的摘要。数据集旨在提高大型语言模型对Python 3代码的理解和推理能力。数据集包含训练集，数据来源于code-search-net数据集的摘要版本，注释过程使用了模板、NLP技术和Python AST模块。数据集的语言为英语，许可证为Apache 2.0。

原始信息汇总

数据集概述

数据集名称

• 名称: Reasoning dataset for Python
• 别名: reason_code-search-net-python

数据集特征

• 特征名称: INSTRUCTION, RESPONSE, TYPE, SOURCE
• 数据类型:
  • INSTRUCTION: string
  • RESPONSE: string
  • TYPE: int64
  • SOURCE: string

数据集任务

• 任务类别: summarization, text-generation, conversational, text2text-generation
• 语言: English

数据集内容

• 描述: 该数据集用于Python的教学，包含五种不同类型的任务，涉及Python 3函数的解释和理解。
• 任务类型:
  • Type 1: 生成函数功能的总结。
  • Type 2: 生成输入参数的解释。
  • Type 3: 生成返回值的解释。
  • Type 4: 生成返回值类型的解释。
  • Type 5: 生成输入参数类型的解释。

数据集分割

• 分割: 仅包含训练集
• 训练集大小: 429059个样本，总大小399930143字节

数据集创建

• 创建时间: 2023年5月
• 创建目的: 提高LLMs对Python 3的推理/理解能力

许可证

• 许可证类型: Apache 2.0