OpenCodeInterpreter Data

发布方 OpenCodeInterpreter 发布 2024-02 规模 68K turn

代码单一数据集全球商用友好 code

来源描述

代码生成 + 执行反馈 + revision 多轮数据

Apache 2.0

这一条没有可靠的 HuggingFace 仓库——它只在自家站点发布（WARC / tar 包 / 需签署协议 / 仅存于 GitHub），或者 HF 上的同名仓库是第三方子集与镜像，接上去会给出误导性的下载量。宁可留空，也不挂错数字。

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

GitHub commit 语料，code-instruct 微调佳品

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；规模、许可证与商用授权最终请以原站为准。