OpenCodeReasoning
Gran conjunto de datos que contiene preguntas de programación competitivas en Python, con soluciones codificadas, destinadas a ajustar los modelos.
735.255 ejemplos en texto estructurado JSON, código fuente de Python, preguntas y soluciones
Creative Commons Atribución 4.0 Internacional (CC BY 4.0)
Descripción
El conjunto de datos OpenCodeReasoning contiene más de 735.000 ejemplos basados en 28.319 preguntas de programación competitivas únicas en Python. Cada ejemplo contiene la pregunta, la solución generada y los metadatos asociados.
¿Para qué sirve este conjunto de datos?
- Entrene y evalúe modelos de razonamiento para la generación automática de código
- Mejorar el rendimiento de los LLM en problemas de programación complejos
- Soporta el ajuste fino supervisado (SFT) para aplicaciones de desarrollo de software automatizadas
¿Se puede enriquecer o mejorar?
Sí, puede agregar anotaciones de complejidad adicionales o integrar pruebas de ejecución automáticas. El conjunto de datos se puede complementar con otras fuentes de preguntas o idiomas.
🔎 En resumen
🧠 Recomendado para
- Investigadores de PNL
- Desarrolladores de modelos de generación de código
- Equipos de software de IA
🔧 Herramientas compatibles
- Hugging Face Datasets
- PyTorch
- TensorFlow
- Herramientas de parsing de código Python
💡 Consejo
Integre las pruebas unitarias para validar las soluciones generadas durante la capacitación.
Preguntas frecuentes
¿Qué plataformas de programación competitivas cubre este conjunto de datos?
CodeForces, ATCoder, CodeChef, CodeChef, HackerRank, LeetCode, entre otros, con más de 28.000 preguntas únicas recopiladas.
¿Este conjunto de datos es adecuado para uso comercial?
Sí, la licencia CC-BY 4.0 permite el uso comercial bajo atribución.
¿Se puede usar este conjunto de datos para entrenar modelos en otros lenguajes de programación?
Este conjunto de datos se centra en Python, pero la metodología se puede adaptar a otros lenguajes mediante la recopilación y la anotación adicionales.
