Magicoder-Evol-Instruct-110K

该数据集是对evol-codealpaca-v1的净化版本，专门用于代码生成任务。它还被用于评估像Mistral-7B和DeepSeek-Coder-Base-6.7B这样的模型。该数据集包含110K个样本，其任务是代码生成。

This dataset is a cleaned variant of evol-codealpaca-v1, specifically designed for code generation tasks. It is also utilized to evaluate models such as Mistral-7B and DeepSeek-Coder-Base-6.7B. This dataset contains 110K samples, with all tasks focusing on code generation.

搜集汇总

背景与挑战

背景概述

Magicoder-Evol-Instruct-110K是一个代码生成数据集，包含约11.1万条指令-输出对，基于CodeAlpaca_20K通过GPT-4模型和10种增强策略生成。数据集主要用于训练代码大语言模型，支持中英文指令，涵盖多种编程任务，旨在复现WizardCoder等模型并测试数据增强方法。