google/code_x_glue_tc_nl_code_search_adv

数据集简介

该数据集是 Google 发布的 CodeXGLUE 基准测试的一部分，专注于自然语言与代码的检索匹配任务。它旨在帮助模型学习如何根据自然语言查询，从代码库中搜索出最相关的代码片段。

主要用途

• 代码搜索：训练或评估模型根据自然语言描述（如“对列表进行排序”）找到对应的代码。
• 检索模型基准测试：作为衡量代码检索模型性能的标准数据集。

数据类型/模态

• 模态：文本（自然语言查询、代码）和表格（结构化数据对）。
• 数据形式：包含自然语言查询与对应代码片段配对的数据集。

规模与统计

• 数据量：约 28 万行数据。
• 格式：Parquet 格式，支持高效处理。

使用场景

• 机器学习研究，特别是代码智能、代码搜索领域。
• 训练代码检索模型或跨模态匹配模型。
• 作为基准数据集评估模型在自然语言-代码检索任务上的性能。