apcl/autorepair

该数据集包含用于模型微调和预训练的数据文件，以及用于生成srcml文件的原始数据。具体包括bin文件、fundats文件、raw_data文件、srcml_prediction_bug文件、srcml_predictions文件、train.bin文件和val.bin文件。数据集的主要用途是无损失语法树生成和零样本错误纠正。

原始信息汇总

数据集文件

文件名	描述
bin.tar.gz	用于微调模型以修复语法错误的二进制文件
fundats.tar.gz	用于在零样本设置中生成带有错误修正的srcml的数据文件
raw_data.tar.gz	用于微调模型以修复语法错误的原始数据
srcml_prediction_bug.tar.gz	带有语法错误的代码的测试集生成的srcml
srcml_predictions.tar.gz	不带有语法错误的代码的测试集生成的srcml
train.bin.gz	用于在训练集上预训练的二进制文件
val.bin.gz	用于在验证集上预训练的二进制文件

数据集令牌数量

数据集	令牌数量
微调训练集	39,413,485 令牌
预训练训练集	48,774,749,459 令牌