claudios/code_x_glue_devign

---
dataset_info:
features:
- name: id
dtype: int32
- name: func
dtype: string
- name: target
dtype: bool
- name: project
dtype: string
- name: commit_id
dtype: string
splits:
- name: train
num_bytes: 45723451
num_examples: 21854
- name: validation
num_bytes: 5582533
num_examples: 2732
- name: test
num_bytes: 5646740
num_examples: 2732
download_size: 22289899
dataset_size: 56952724
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

数据集信息：
特征字段：
- 名称：id，数据类型：int32 整数类型
- 名称：func，数据类型：字符串类型
- 名称：target，数据类型：布尔类型
- 名称：project，数据类型：字符串类型
- 名称：commit_id（提交标识符），数据类型：字符串类型
数据集划分：
- 划分名称：训练集（train），占用字节数：45723451，样本数量：21854
- 划分名称：验证集（validation），占用字节数：5582533，样本数量：2732
- 划分名称：测试集（test），占用字节数：5646740，样本数量：2732
下载大小：22289899 字节
数据集总大小：56952724 字节
配置项：
- 配置名称：default（默认配置）
数据文件：
- 对应划分：训练集（train），文件路径：data/train-*
- 对应划分：验证集（validation），文件路径：data/validation-*
- 对应划分：测试集（test），文件路径：data/test-*

原始信息汇总

数据集概述

数据集特征

• id: 数据类型为 int32
• func: 数据类型为 string
• target: 数据类型为 bool
• project: 数据类型为 string
• commit_id: 数据类型为 string

数据集划分

• train: 包含 21854 个样本，占用 45723451 字节
• validation: 包含 2732 个样本，占用 5582533 字节
• test: 包含 2732 个样本，占用 5646740 字节

数据集大小

• 下载大小: 22289899 字节
• 数据集大小: 56952724 字节

配置信息

• 配置名称: default
  • 数据文件路径:
    • train: data/train-*
    • validation: data/validation-*
    • test: data/test-*

搜集汇总

背景与挑战

背景概述

该数据集是CodeXGLUE基准中的漏洞检测数据集，包含27,318个代码函数片段，主要来自FFmpeg和qemu项目，用于二元分类任务以识别代码中的漏洞。数据集以文本模态和parquet格式提供，适用于机器学习模型训练和评估。