OctoReasoner/py_sgrep_moderate

--- dataset_info: features: - name: added dtype: string - name: created dtype: int64 - name: id dtype: string - name: int_score dtype: int64 - name: metadata struct: - name: blob_id dtype: string - name: branch_name dtype: string - name: committer_date dtype: int64 - name: content_id dtype: string - name: detected_licenses list: string - name: directory_id dtype: string - name: extension dtype: string - name: filename dtype: string - name: fork_events_count dtype: int64 - name: gha_created_at dtype: int64 - name: gha_event_created_at dtype: int64 - name: gha_language dtype: string - name: gha_license_id dtype: string - name: github_id dtype: float64 - name: is_generated dtype: bool - name: is_vendor dtype: bool - name: language dtype: string - name: length_bytes dtype: int64 - name: license dtype: string - name: license_type dtype: string - name: path dtype: string - name: provenance dtype: string - name: repo_name dtype: string - name: revision_date dtype: int64 - name: revision_id dtype: string - name: snapshot_id dtype: string - name: src_encoding dtype: string - name: star_events_count dtype: int64 - name: url dtype: string - name: visit_date dtype: string - name: score dtype: float64 - name: source dtype: string - name: text dtype: string - name: num_lines dtype: int64 - name: avg_line_length dtype: float64 - name: max_line_length dtype: int64 - name: ast_depth dtype: int64 - name: length dtype: int64 - name: lang dtype: string - name: sast_semgrep_findings dtype: string - name: sast_semgrep_findings_count dtype: int64 - name: sast_semgrep_success dtype: bool - name: sast_semgrep_error dtype: string - name: cwe_ids list: string - name: rule_ids list: string - name: subcategories list: string - name: confidences list: string - name: severities list: string - name: line_starts list: int64 - name: line_ends list: int64 - name: column_starts list: int64 - name: column_ends list: int64 - name: owasp_categories list: string - name: messages list: string - name: cvss_scores list: float64 - name: likelihoods list: string - name: impacts list: string - name: filename dtype: string - name: path dtype: string - name: repo_name dtype: string - name: license dtype: string splits: - name: train num_bytes: 4904656833 num_examples: 469497 download_size: 1658236510 dataset_size: 4904656833 configs: - config_name: default data_files: - split: train path: data/train-* ---数据集信息： 特征字段： - 字段名：added，数据类型：字符串 - 字段名：created，数据类型：64位整数 - 字段名：id，数据类型：字符串 - 字段名：int_score，数据类型：64位整数 - 字段名：metadata，数据类型：结构体，包含以下子字段： - 字段名：blob_id，数据类型：字符串 - 字段名：branch_name，数据类型：字符串 - 字段名：committer_date，数据类型：64位整数 - 字段名：content_id，数据类型：字符串 - 字段名：detected_licenses，数据类型：字符串列表 - 字段名：directory_id，数据类型：字符串 - 字段名：extension，数据类型：字符串 - 字段名：filename，数据类型：字符串 - 字段名：fork_events_count，数据类型：64位整数 - 字段名：gha_created_at，数据类型：64位整数 - 字段名：gha_event_created_at，数据类型：64位整数 - 字段名：gha_language，数据类型：字符串 - 字段名：gha_license_id，数据类型：字符串 - 字段名：github_id，数据类型：64位浮点数 - 字段名：is_generated，数据类型：布尔值 - 字段名：is_vendor，数据类型：布尔值 - 字段名：language，数据类型：字符串 - 字段名：length_bytes，数据类型：64位整数 - 字段名：license，数据类型：字符串 - 字段名：license_type，数据类型：字符串 - 字段名：path，数据类型：字符串 - 字段名：provenance，数据类型：字符串 - 字段名：repo_name，数据类型：字符串 - 字段名：revision_date，数据类型：64位整数 - 字段名：revision_id，数据类型：字符串 - 字段名：snapshot_id，数据类型：字符串 - 字段名：src_encoding，数据类型：字符串 - 字段名：star_events_count，数据类型：64位整数 - 字段名：url，数据类型：统一资源定位符（URL） - 字段名：visit_date，数据类型：字符串 - 字段名：score，数据类型：64位浮点数 - 字段名：source，数据类型：字符串 - 字段名：text，数据类型：字符串 - 字段名：num_lines，数据类型：64位整数 - 字段名：avg_line_length，数据类型：64位浮点数 - 字段名：max_line_length，数据类型：64位整数 - 字段名：ast_depth，数据类型：64位整数（抽象语法树（Abstract Syntax Tree, AST）深度） - 字段名：length，数据类型：整数 - 字段名：lang，数据类型：字符串 - 字段名：sast_semgrep_findings，数据类型：字符串（静态应用安全测试（Static Application Security Testing, SAST）Semgrep 扫描结果） - 字段名：sast_semgrep_findings_count，数据类型：64位整数 - 字段名：sast_semgrep_success，数据类型：布尔值 - 字段名：sast_semgrep_error，数据类型：字符串 - 字段名：cwe_ids，数据类型：字符串列表（通用弱点枚举（Common Weakness Enumeration, CWE）ID列表） - 字段名：rule_ids，数据类型：字符串列表 - 字段名：subcategories，数据类型：字符串列表 - 字段名：confidences，数据类型：字符串列表 - 字段名：severities，数据类型：字符串列表 - 字段名：line_starts，数据类型：64位整数列表 - 字段名：line_ends，数据类型：64位整数列表 - 字段名：column_starts，数据类型：64位整数列表 - 字段名：column_ends，数据类型：64位整数列表 - 字段名：owasp_categories，数据类型：字符串列表（开放式Web应用安全项目（Open Web Application Security Project, OWASP）分类列表） - 字段名：messages，数据类型：字符串列表 - 字段名：cvss_scores，数据类型：64位浮点数列表（通用漏洞评分系统（Common Vulnerability Scoring System, CVSS）得分列表） - 字段名：likelihoods，数据类型：字符串列表 - 字段名：impacts，数据类型：字符串列表 - 字段名：filename，数据类型：字符串 - 字段名：path，数据类型：字符串 - 字段名：repo_name，数据类型：字符串 - 字段名：license，数据类型：字符串 数据集划分： - 划分名称：训练集，字节数：4904656833，样本数量：469497 下载大小：1658236510 数据集占用存储空间：4904656833 配置项： - 配置名称：默认配置 数据文件： - 对应划分：训练集，路径：data/train-*