ise-uiuc/Magicoder-Evol-Instruct-110K

这是一个经过去污染处理的evol-codealpaca-v1数据集的版本。去污染处理的方式与StarCoder项目中的去污染过程相同。数据集的主要任务类别包括文本生成和对话生成。

This is a decontaminated version of the evol-codealpaca-v1 dataset. The decontamination process follows the same procedure as that used in the StarCoder project. The main task categories of this dataset include text generation and dialogue generation.

原始信息汇总

数据集概述

数据集版本

• 版本名称: evol-codealpaca-v1

数据处理

• 处理方式: 去污染处理
• 处理方法: 与StarCoder（bigcode去污染流程）相同

搜集汇总

背景与挑战

背景概述

该数据集是一个包含11万条代码生成和调试任务的文本数据集，格式为JSON，主要用于文本生成任务。数据集涵盖多种编程场景，包括代码修复、算法实现和数据预处理等，适用于训练和评估代码生成模型。