Madras1/qwen3.5-397b-code-distilled-6k

--- language: - en license: apache-2.0 size_categories: - 1K<n<10K task_categories: - text-generation tags: - code - code-generation - distillation - synthetic - reasoning - chain-of-thought - python - qwen pretty_name: "Qwen 3.5-397B Code Distillation" dataset_info: features: - name: id dtype: int64 - name: problem dtype: string - name: function_name dtype: string - name: reasoning dtype: string - name: code dtype: string - name: model dtype: string splits: - name: train num_examples: 5724 --- # Qwen 3.5-397B Code Distillation Dataset Synthetic code dataset distilled from **Qwen3.5-397B-A17B**. Each example has a Python problem, chain-of-thought reasoning, and an **execution-verified** correct solution. ## Features - **Execution-verified**: All solutions passed automated test cases - **Chain-of-thought**: Full reasoning traces included - **Seed-generated**: Problems seeded from real code corpora - **Deduplicated**: Exact + MinHash LSH near-dedup - **Pure Python**: Standard library only ## Stats | Metric | Value | |---|---| | Examples | 5,724 | | With reasoning | 5,724 (100.0%) | | Avg code | 1058 chars | | Avg reasoning | 11771 chars | | Model | `Qwen/Qwen3.5-397B-A17B` | ## Schema | Field | Type | Description | |---|---|---| | `problem` | string | Problem description | | `function_name` | string | Target function | | `reasoning` | string | Chain-of-thought | | `code` | string | Verified solution | | `model` | string | Teacher model | ## Usage ```python from datasets import load_dataset ds = load_dataset("Madras1/qwen3.5-397b-code-distilled-6k") print(ds["train"][0]["problem"]) print(ds["train"][0]["code"]) ``` ## License Apache 2.0语言： - 英语 许可证：Apache-2.0 规模类别： - 1000 < 样本数 < 10000 任务类别： - 文本生成 标签： - 代码 - 代码生成 - 知识蒸馏 - 合成数据 - 推理 - 思维链 - Python - 通义千问（Qwen） 数据集名称："通义千问3.5-397B 代码蒸馏数据集" 数据集信息： 字段： - 名称：id 数据类型：int64 - 名称：problem 数据类型：string - 名称：function_name 数据类型：string - 名称：reasoning 数据类型：string - 名称：code 数据类型：string - 名称：model 数据类型：string 划分： - 名称：训练集 样本数：5724 # 通义千问3.5-397B 代码蒸馏数据集 该合成代码数据集源自通义千问3.5-397B-A17B（Qwen3.5-397B-A17B），每条样本均包含Python编程问题、思维链推理过程以及经执行验证的正确解决方案。 ## 数据集特性 - **执行验证**：所有解决方案均通过自动化测试用例校验 - **思维链**：包含完整的推理轨迹 - **种子生成**：问题源自真实代码语料库 - **去重处理**：采用精确去重与MinHash LSH近似去重相结合的方式 - **纯Python**：仅使用Python标准库 ## 统计信息 | 指标 | 数值 | |---|---| | 总样本数 | 5,724 | | 带推理过程的样本 | 5,724 (100.0%) | | 平均代码长度 | 1058 字符 | | 平均推理文本长度 | 11771 字符 | | 教师模型 | `Qwen/Qwen3.5-397B-A17B` | ## 数据Schema | 字段名 | 数据类型 | 描述 | |---|---| | `problem` | 字符串 | 问题描述 | | `function_name` | 字符串 | 目标函数名称 | | `reasoning` | 字符串 | 思维链推理内容 | | `code` | 字符串 | 经验证的正确代码 | | `model` | 字符串 | 教师模型名称 | ## 使用示例 python from datasets import load_dataset ds = load_dataset("Madras1/qwen3.5-397b-code-distilled-6k") print(ds["train"][0]["problem"]) print(ds["train"][0]["code"]) ## 许可证 Apache 2.0