nvidia/OpenCodeReasoning

数据集简介

NVIDIA 发布的 OpenCodeReasoning 是一个专注于代码推理的大规模文本数据集，旨在支持代码生成、理解和逻辑推理相关的研究与模型训练。

主要用途

该数据集主要用于训练和评估大型语言模型在代码相关任务上的能力，例如：
* 代码生成与补全
* 代码理解与解释
* 程序逻辑推理
* 代码修复与调试

数据类型与模态

• 模态：纯文本（Text）
• 内容：包含代码片段及其相关的推理过程、问题描述或注释。

数据规模

• 总数据量：约 75.3 万 条样本。

使用场景

适用于需要提升代码智能的AI模型开发，特别是：
* 代码助手或编程Copilot工具的研发。
* 研究代码语义理解和推理的学术项目。
* 训练专精于编程领域的语言模型。