OctoPack-CommitPack

发布方 BigCode 发布 2023-08 规模 4TB / 350 lang

代码单一数据集全球商用友好 code instruction bigcode

来源描述

GitHub commit 语料，code-instruct 微调佳品

MIT

近 30 天下载

17.2K

Software Heritage 全量代码语料，去毒去 PII，StarCoder2 训练基础

Code 任务版 Alpaca-style 指令

OSS 真实代码片段 → seed 指令生成，多样性强

代码生成 + 执行反馈 + revision 多轮数据

test-case 验证过的高质代码 SFT，用于 RLVR

领域、训练阶段、用途、License 分级与本刊判断由本刊维护；下载量 / 点赞 / 更新时间 / 实测规模来自 HuggingFace Hub 官方 API 与 datasets-server，每周自动刷新。规模、许可证与商用授权最终请以原站为准。