allenai/code_fresh_0825_1225

数据集简介

这是一个由 AllenAI 发布的代码相关数据集，包含 66,514 条数据记录，主要用于代码分析、文本处理或相关研究任务。

主要用途

适用于代码理解、文本分析、数据挖掘等研究领域，可能用于训练或评估与代码生成、代码质量分析相关的模型。

数据类型/模态

• 模态：表格数据（Tabular）与文本（Text）
• 数据格式：Parquet 格式
• 支持库：可通过 datasets、dask、polars、mlcroissant 等工具库加载处理

规模与统计

• 数据量：66,514 行
• 下载量：277 次
• 点赞数：3

使用场景

• 代码语义分析
• 代码片段分类或聚类
• 文本与结构化数据结合的机器学习任务
• 研究代码仓库的演化或质量评估