LCC_csharp 是由 Microsoft 于 2023 年发布的 C# 代码评论数据集，源自 Large Code Comments（LCC）项目，旨在为代码理解、代码生成和代码评论分析等任务提供高质量语料。

该数据集约 2.12 GB，包含 12 万条 C# 代码与评论样本，划分为训练集、验证集和测试集。每条样本主要包含代码上下文与对应的目标评论，可用于代码相关 NLP 模型的预训练、微调和评估。

数据集组成

数据集包含以下三个部分：

• 训练集（train）：100,000 条样本，约 1.85 GB。
• 验证集（validation）：10,000 条样本，约 136 MB。
• 测试集（test）：10,000 条样本，约 136 MB。

每个样本主要包含以下字段：

• context：C# 代码上下文。
• gt：对应的目标评论或标签。