HyperAI超神经

KodCode-V1 编码合成数据集

日期

2 个月前

大小

1.99 GB

机构

Microsoft
University of Washington

许可协议

CC BY 4.0

KodCode 由微软 GenAI 、华盛顿大学、德克萨斯大学奥斯汀分校的研究人员于 2025 年发布,相关论文成果为「KodCode : A Diverse, Challenging, and Verifiable Synthetic Dataset for Coding」。

该数据集是最大的全合成开源数据集,为编码任务提供可验证的解决方案和测试,包含 12 个不同的子集,涵盖各个领域(从算法到特定于软件包的知识)和难度级别(从基本的编码练习到面试和竞争性编程挑战),专为监督微调 (SFT) 和 RL 调优而设计。

该图演示了生成 KodCode -V1 的 3 步流程:编码问题合成、解决方案和测试生成以及训练后数据合成。最终的 KodCode-V1 数据集包含 447K 个经过验证的问题-解决方案-测试三元组。每个子集的分布显示在右侧。
KodCode-V1.torrent
做种 1正在下载 1已完成 20总下载次数 24
  • KodCode-V1/
    • README.md
      1.61 KB
    • README.txt
      3.21 KB
      • data/
        • KodCode-V1.zip
          1.99 GB