dolphin-coder 数据集简介

概述

dolphin-coder 是一个专注于代码生成与编程任务的大规模文本数据集，由 QuixiAI 发布。

主要用途

该数据集主要用于训练和评估代码生成模型、代码补全工具以及编程相关的自然语言处理任务。

数据类型与模态

• 模态类型：纯文本（text）
• 数据格式：JSON
• 内容特点：包含大量与编程、代码相关的文本数据

规模与统计

• 数据量：约 10.9 万行（109,118 rows）
• 下载量：460+
• 社区反馈：获得 61 个点赞

使用场景

1. 代码生成模型训练：为 AI 编程助手提供训练数据
2. 代码补全研究：支持智能代码补全工具的研发
3. 编程教育工具：用于构建编程学习辅助系统
4. 代码理解与转换：支持代码翻译、重构等任务

特点

• 数据集完全公开（非私有、非门控）
• 采用标准 JSON 格式，便于处理
• 专注于代码相关文本，内容专业性强