TACO：算法代码生成中的主题数据集

我们提出TACO，一个开源、大规模的代码生成数据集，其核心聚焦于算法的“光学”特性（即算法思维与结构的深层理解），旨在为代码生成模型领域提供更具挑战性的训练数据集与评估基准。TACO包含竞赛级别的编程题目，难度更高，能够有效提升或评估模型在真实编程场景中的问题理解与推理能力。该数据集包含25,433道训练题和1,000道测试题，以及多达155万条多样化的代码解决方案。此外，每道TACO题目均附带多个细粒度标签，包括任务主题、所用算法、编程技能要求及难度等级，为代码生成模型的训练与评估提供更精准的参考依据。该数据集及评估脚本已发布于Hugging Face Hub（https://huggingface.co/datasets/BAAI/TACO）和GitHub（https://github.com/FlagOpen/TACO）。