DCAgent/code-contests-noblock

code-contests-noblock是一个基于CodeContests衍生的竞争性编程强化学习任务数据集，包含8,728个任务，以Harbor格式存储。每个任务以gzip压缩的tar文件形式保存在tasks.parquet文件中，包含路径（path，格式为<task_id>.tar.gz）和任务二进制数据（task_binary）两列。每个tar文件包含以下组件：instruction.md（任务说明）、task.toml（任务配置）、environment/Dockerfile（环境Docker文件）以及一个tests/验证器目录，其中包含test.sh（测试脚本）、test_state.py（测试状态代码）和test_data.json（测试数据）。该数据集专为文本生成任务设计，适用于代理（agent）、代码生成、代码竞赛、Harbor平台、强化学习（RL）和RL验证器（rlvr）等应用场景。v2版本修复了验证器奖励记录问题，确保在任务测试失败时也能正确记录奖励值（0表示失败，1表示成功），避免了v1版本中因脚本提前终止导致的奖励分布偏差。code-contests-noblock is a competitive programming reinforcement learning (RL) task dataset derived from CodeContests, which includes 8,728 tasks and is stored in Harbor format. Each task is saved as a gzip-compressed tar file, and the tasks.parquet file contains two columns: "path" (formatted as <task_id>.tar.gz, which records the storage path of each task's tar archive) and "task_binary" (which stores the task's binary data). Each tar archive contains the following components: instruction.md (task description), task.toml (task configuration), environment/Dockerfile (environment Dockerfile), and a tests/ validator directory that includes test.sh (test script), test_state.py (test state code), and test_data.json (test data). This dataset is specifically designed for text generation tasks, and is applicable to scenarios including AI agents, code generation, competitive programming contests, Harbor platform, reinforcement learning (RL), and RL validator (rlvr). Version 2 fixes the validator reward recording issue, ensuring that reward values can be correctly recorded even when task tests fail, where 0 indicates failure and 1 indicates success, thus avoiding the reward distribution bias caused by early script termination in Version 1.

搜集汇总

数据集介绍

构建方式

code-contests-noblock数据集源自CodeContests，经过精心转化，形成了一套面向强化学习与智能体任务的竞技编程数据集。该数据集包含8,728个Harbor格式的任务二进制文件，以gzip压缩的tar包形式存储于tasks.parquet文件中，每个任务均包含instruction.md、task.toml、environment/Dockerfile以及tests/验证器（包括test.sh、test_state.py和test_data.json），确保任务环境的完整性与可复现性。

特点

该数据集最显著的特点在于其v2版本对奖励记录机制的修复。原始v1版本中，由于test.sh脚本使用了set -euo pipefail，导致失败的解决方案在pytest异常退出后无法写入reward.txt，进而引发RewardFileNotFoundError，使得失败样本被丢弃，奖励分布畸形集中于1.0。v2版本通过set +e捕获pytest退出码，确保无论测试成功或失败，均能正确记录奖励（成功输出1，失败输出0），从而恢复了完整的成功/失败信号，使奖励分布真实反映模型性能。

使用方法

用户可通过Hugging Face Hub便捷获取数据集。使用huggingface_hub库的hf_hub_download函数，指定数据集名称DCAgent/code-contests-noblock和文件tasks.parquet，即可下载v2（修复版）数据。若需复现原始buggy版本，可添加revision='v1'参数。下载后，可使用Python的tarfile和gzip库解压每个任务二进制文件，结合Harbor框架进行强化学习训练或智能体评估，充分利用其内置的Docker环境与测试验证器。

背景与挑战

背景概述

在强化学习与代码生成交叉领域，竞争性编程任务因其明确的评判标准与复杂的逻辑推理需求，成为评估智能体代码能力的重要基准。code-contests-noblock数据集由DCAgent团队于2024年创建，基于Google DeepMind的CodeContests数据集进行二次开发与格式化，包含8,728个面向强化学习的任务。该数据集以Harbor格式封装，每个任务集指令、环境配置、测试框架于一体，旨在为基于文本生成的智能体提供标准化、可复现的竞争性编程训练与评估平台。其发布填补了强化学习领域缺乏大规模、可执行代码任务的空白，推动了代码智能体从静态生成向交互式执行的范式转变。

当前挑战

该数据集解决的核心领域问题在于：传统代码数据集仅提供静态代码片段，缺乏可执行环境与奖励信号，无法有效支撑强化学习训练。构建过程中主要面临三大挑战：其一，任务真实性保障，需确保每项任务包含可运行的Docker环境与完整的测试套件，避免环境依赖不完整导致的执行失败；其二，奖励信号可靠性，v1版本因shell脚本中set -euo pipefail设置导致失败任务无法正常记录0分奖励，造成奖励分布偏移，v2版本通过修改脚本逻辑确保无论测试通过与否均稳定生成奖励文件；其三，大规模任务的高效封装，需将8千余任务统一转为Harbor二进制格式，平衡存储效率与加载性能。

常用场景

经典使用场景

在强化学习与代码生成领域，code-contests-noblock数据集被广泛应用于训练与评估智能体在竞争性编程任务中的代码生成能力。该数据集源自CodeContests，包含8,728个竞技编程任务，每个任务以Harbor格式封装，内含指令文档、环境配置、Dockerfile及测试验证脚本。研究者常将其作为基础训练集，用于开发能够理解编程问题描述、生成正确解决方案并自主通过测试的强化学习智能体。尤其在基于策略梯度的强化学习范式中，该数据集提供了一套标准化的任务接口和奖励信号机制，成为验证算法在离散代码空间中搜索有效性的重要基准。

衍生相关工作

围绕code-contests-noblock数据集，学界已衍生多项经典工作。其一，研究者基于其Harbor任务格式提出了端到端强化学习训练管线，验证了在分布式环境中进行大规模代码策略优化的可行性。其二，该数据集的奖励修复方案被引用于多篇后续论文，成为讨论代码生成任务中反馈信令完整性的标准参考案例。其三，以该数据集为基石，催生了针对竞争性编程中多语言泛化与稀疏奖励探索的前沿方法，如结合课程学习与内在奖励的混合训练范式。此外，部分工作将其与自然语言推理任务交叉，探索代码理解与生成在跨模态智能体中的统一架构。这些衍生研究共同构建了从数据治理到算法创新的完整生态链。

数据集最近研究

最新研究方向

在强化学习与代码生成交叉领域，code-contests-noblock数据集的最新研究方向聚焦于修复奖励信号分布偏差，以提升竞争性编程任务中的智能体训练效果。该数据集源自CodeContests，包含8,728个Harbor格式任务，其v2版本解决了因test.sh脚本中set -e配置导致的奖励文件写入失败问题——当解决方案失败时，脚本提前终止而非返回reward=0，导致奖励分布坍缩至1.0的单一值，显著扭曲了智能体对成功与失败信号的学习。这一修复与Nemotron验证器的成功实践一脉相承，确保了强化学习流程中反馈信号的完整性与准确性，为构建更可靠的代码生成智能体奠定了数据基础，也映射出当前领域对训练数据质量与鲁棒性日益严苛的要求。