NextCoder 代码编辑数据集

NextCoder 是由 Microsoft 于 2025 年发布的一个合成对话编码编辑数据集，相关论文成果为：「NextCoder: Robust Adaptation of Code LMs to Diverse Code Edits」。主要用于大语言模型的微调，帮助增强模型在代码修复、重构与优化方面的表现，非常适合训练 AI 编程助手、提升代码阅读与多轮交互能力。

该数据集包含约 381k 条单轮指令样本（NextCoderDataset）和 57,000 条多轮对话样本（Conversational 版本），涵盖 Python 、 Java 、 C++、 C 、 Rust 、 JavaScript 、 Go 、 Kotlin 等 8 种语言。数据通过 GPT‑4o 和 LLaMA‑3.3‑70B‑Instruct 模型生成。

数据分布：

• JavaScript：16030
• Python：15279
• C：17153
• C++：17337
• Rust：16438
• Go：15204
• Kotlin：13272
• Java：16328