数据集简介
由 BigCode 团队发布的代码数据集，是 The Stack 数据集的轻量版本，旨在为代码生成、理解和分析任务提供训练与评估资源。
主要用途
- 代码生成模型的训练与微调
- 代码理解与分析任务
- 编程语言处理研究
数据类型/模态
- 模态：表格数据（tabular）与文本（text）
- 格式：JSON
- 内容：主要包含源代码及相关元数据
规模与统计
- 数据量：30 万行（样本）
- 下载量：约 6,900 次
- 访问权限：自动门控（auto-gated）
使用场景
适用于需要中等规模代码数据的研究与开发，如构建代码补全工具、代码质量检测模型或编程教育应用。其轻量特性便于快速实验与原型开发。