Mutonix/RefGPT-Code-bg

RefGPT-Code是一个包含76k关于编程的多轮对话的数据集，其中包含37k英语和39k中文对话，涵盖了代码使用的多个方面和多种编程语言。RefGPT-Code-bg是其“bug修复”子集。该数据集主要用于聊天机器人指令微调任务。

原始信息汇总

数据集概述

数据集名称： RefGPT-Code-bg

数据集描述： RefGPT-Code-bg 是 RefGPT-Code 数据集的一个子集，专注于“bug fixing”场景。该数据集包含76k多轮对话，涉及编程相关内容，其中37k为英文对话，39k为中文对话。数据集覆盖了代码使用的多种场景和多种编程语言类型。

语言： 中文, 英文

数据集特征

• dialogue: 数据类型为字符串
• reference: 数据类型为字符串
• language: 数据类型为字符串
• type: 数据类型为字符串

数据集分割

• en: 包含8848个示例，总字节数为106344832.26735915
• zh: 包含9597个示例，总字节数为101753322.73345818

数据集大小

• 下载大小： 86625605字节
• 数据集大小： 208098155.00081733字节

许可信息

• 许可证： Apache-2.0

任务类别

• 任务类别： 对话式

数据集使用注意事项

• 数据准确性： 由于数据集未经过手动验证，其安全性无法严格保证。用户应意识到使用此数据集生成的结果需自行负责。
• 数据偏差： 数据集可能反映所选参考资料和GPT-3.5/GPT-4模型的偏差，包括事实错误、拼写错误或来自GitHub仓库的恶意代码。