pharaouk/SPP_30K_reasoning_tasks

这是一个增强版的Synthetic Python Problems(SPP) Dataset，经过去重和Python解释器验证。数据集包含三种任务类型：1) 给出代码并让模型生成示例调用及预期返回值；2) 给出描述和示例调用并让模型编写函数；3) 给出函数和示例调用（无预期值）并让模型编写函数应返回的值。数据集仅包含训练集，没有其他分割。数据集的创建目的是提高LLM对Python 3的理解和推理能力。

原始信息汇总

数据集概述

数据集信息

特征

• type: 数据类型为 int64
• instruction: 数据类型为 string
• input: 数据类型为 string
• output: 数据类型为 string

数据分割

• train: 包含 44,253,001 字节，89,898 个样本

下载和数据大小

• 下载大小: 10,073,876 字节
• 数据集大小: 44,253,001 字节

任务类别

• 文本生成
• 对话
• 文本到文本生成

语言

• 英语

标签

• 代码
• Python
• 推理

数据集名称

• SPP python reasoning tasks

数据集摘要

该数据集是 Synthetic Python Problems(SPP) Dataset 的增强版本。数据集从原始数据子集中去重并使用 Python 解释器验证（SPP_30k_verified.jsonl）。原始数据集包含小型 Python 函数，这些函数包含一个带有函数功能描述和调用示例的文档字符串。

当前数据集包括三种不同的任务：

1. 类型 1: 输入代码并要求模型生成一些示例调用及其预期返回值。
2. 类型 2: 输入描述和示例调用，要求模型编写函数。
3. 类型 3: 输入函数和示例调用（不包含预期值），要求模型编写函数应返回的内容。

示例

任务 1

python INSTRUCTION: Execute the following function with several example calls, showing the values returned in each case. INPUT: def lowest_prime_factor(n): smallest = 2 while(n % smallest!= 0): smallest+=1 return smallest

OUTPUT: Sure, here you have several example calls along the return values they will generate. """

lowest_prime_factor(12) 2 lowest_prime_factor(14) 2 lowest_prime_factor(8) 2 """

任务 2

python INSTRUCTION: Follow the task given and refer to the provided calling examples as you create the functions body. INPUT: Find the smallest prime factor of a given number. Examples:

lowest_prime_factor(12) 2 lowest_prime_factor(14) 2 lowest_prime_factor(8) 2 OUTPUT: Of course, heres a function implementation based on the provided calling examples and task. """ python def lowest_prime_factor(n): smallest = 2 while(n % smallest!= 0): smallest+=1 return smallest """

任务 3

python INSTRUCTION: Examine the given function and the accompanying instance function calls, and outline the specific output generated by each call. INPUT: def lowest_prime_factor(n): smallest = 2 while(n % smallest!= 0): smallest+=1 return smallest

Function calls:

lowest_prime_factor(12) lowest_prime_factor(14) lowest_prime_factor(8) OUTPUT: Sure thing, here you have the specific output generated by each function call. lowest_prime_factor(12) 2 lowest_prime_factor(14) 2 lowest_prime_factor(8) 2

语言

• 数据集为英语。

数据分割

• 仅包含训练集。

数据集创建

• 创建时间：2023年8月

创建理由

• 该数据集旨在提高大型语言模型（LLMs）对 Python 3 推理/理解能力。

源数据

• 源数据集可在 Synthetic Python Problems(SPP) Dataset 找到。

注释

• 数据集包含 instruction、input、output 和 type 列。
• type 列指示任务类型（1到3）。

注释过程

• 响应是通过解析函数的文档字符串生成的。