chiuratto-AIgourakis/sounio-code-examples

--- license: apache-2.0 language: - en pretty_name: Sounio Code Examples size_categories: - n<1K task_categories: - text-generation tags: - code - compiler - programming-language - scientific-computing - formal-verification - uncertainty-propagation - algebraic-effects configs: - config_name: default data_files: - split: train path: train.jsonl - split: validation path: validation.jsonl --- # sounio-code-examples Instruction/completion dataset for **Sounio**, a self-hosted systems + scientific programming language for epistemic computing. ## Contents - `train.jsonl`: 333 examples - `validation.jsonl`: 37 examples - Total: 370 examples extracted from `tests/run-pass` and `tests/compile-fail` Each record contains: - `instruction`: natural-language prompt derived from test annotations, descriptions, and file names - `completion`: the full `.sio` source file - `suite`: `run-pass` or `compile-fail` - `source_path`: original repository path - `annotations`: extracted `//@ ...` metadata - `ignore`: whether the upstream suite currently ignores the example ## Why this dataset exists This dataset is designed to make Sounio legible to code models quickly: - run-pass examples teach valid syntax and idioms - compile-fail examples teach effect discipline, refinement failures, and epistemic boundary checks - source paths preserve provenance back to the repository test corpus ## Rebuild locally ```bash python3 scripts/export_hf_dataset.py ``` ## Upload ```bash python3 scripts/export_hf_dataset.py --upload ``` Set `HF_TOKEN` or `HUGGINGFACE_HUB_TOKEN` before uploading.许可证：Apache-2.0 语言： - 英语 展示名称：Sounio 代码示例 样本规模类别： - 不足1000条 任务类别： - 文本生成 标签： - 代码 - 编译器 - 编程语言 - 科学计算 - 形式化验证 - 不确定性传播 - 代数效应 配置项： - 配置名称：默认配置 数据文件： - 拆分集：训练集 路径：train.jsonl - 拆分集：验证集 路径：validation.jsonl # Sounio 代码示例数据集 本数据集为**Sounio**的指令-补全数据集，Sounio是一款用于认知计算（epistemic computing）的自托管系统级科学编程语言。 ## 数据集内容 - `train.jsonl`：包含333条样本 - `validation.jsonl`：包含37条样本 - 总计370条样本，均取自`tests/run-pass`与`tests/compile-fail`测试套件。 每条样本包含以下字段： - `instruction`：源自测试注释、描述与文件名的自然语言提示文本 - `completion`：完整的`.sio`格式源代码文件 - `suite`：所属测试套件，取值为`run-pass`或`compile-fail` - `source_path`：原始仓库路径 - `annotations`：提取自`//@ ...`格式的元数据 - `ignore`：标记上游测试套件当前是否忽略该样本 ## 数据集构建初衷 本数据集旨在帮助代码模型快速理解Sounio编程语言： - `run-pass`类型样本用于演示合法语法与编程惯用法 - `compile-fail`类型样本用于演示效应约束、精化失败与认知边界检查相关内容 - 保留原始仓库路径可实现项目测试语料库的溯源 ## 本地重建 执行以下命令即可本地重建数据集： bash python3 scripts/export_hf_dataset.py ## 数据集上传 执行以下命令可将数据集上传至Hugging Face Hub： bash python3 scripts/export_hf_dataset.py --upload 上传前请先配置`HF_TOKEN`或`HUGGINGFACE_HUB_TOKEN`环境变量。