Multilingual CoNaLa Datset, train data

NIAID Data Ecosystem2026-03-13 收录

多语言代码

数据链接：

https://zenodo.org/record/6359691 数据链接链接失效反馈

官方服务：

资源简介：

Training datasets used in the Multilingual CoNaLa benchmark experimentation.

创建时间：

2022-03-17

Telugu Handwritten Character Dataset

泰卢固语手写识别

多语言代码

The dataset consists all the Telugu characters that contains Vowels, Consonants and combine characters such as Othulu (Consonant-Consonant) and Guninthamulu (Consonant-Volwels). The main objective of

DataCite Commons2020-12-31 更新290

ioi-leaderboard/ioi-eval-openrouter_openai_o1

代码生成评估

多语言代码

该数据集包含了文本生成的相关信息，包括生成文本、代码、语言等信息。每个样本都有一些元数据，如时间戳、使用情况（包括完成令牌数、成本、提示令牌数和总令牌数）。数据集分为训练集，并提供了相关的字节数和示例数。数据集的总下载大小和存储大小也已给出。

Hugging Face2025-03-03 更新150

lightonai/HumanEvalPlus_multilingual

多语言代码

代码生成基准测试

HumanEval+ Multilingual 是基准测试HumanEval+的多语言版本，覆盖六种语言：英语、法语、德语、西班牙语、中文和斯瓦希里语。每个样本是一个来自HumanEval+（OpenAI HumanEval的扩展版本，包含更多测试）的Python代码生成问题，自然语言提示被翻译成这五种目标语言。该数据集与论文《Rethinking the Multilingual Reasoni

Hugging Face2026-05-27 更新40

MultiLang Code Parser Dataset (MLCPD)

多语言代码

软件分析

MLCPD是一个大规模的多语言代码解析数据集，它统一了十种主要编程语言的语法和结构表示。该数据集包含超过七百万个解析的源代码文件，按照我们提出的通用抽象语法树（AST）模式进行规范化，从而能够在不同语言之间进行一致的推理、结构学习和多语言软件分析。MLCPD为每个文件提供层次树表示和丰富的元数据，确保了无损失的语法覆盖和结构统一。每个条目都包括一个规范化的模式、语言级别元数据和存储在Parquet

arXiv2025-10-18 更新230

AISE-TUDelft/multilingual-code-comments-fixed-5

代码注释生成

多语言代码

--- dataset_info: - config_name: Chinese features: - name: file_id dtype: string - name: content dtype: string - name: repo dtype: string - name: path dtype: string - name:

Hugging Face2026-03-14 更新50

Multilingual CoNaLa Datset, train data

资源简介：

相关数据集