KodCode-V1 编码合成数据集

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。