EpiCoder Meta Features ist ein von Microsoft im Jahr 2025 veröffentlichter Datensatz, der eine hierarchische Klassifikation von Meta-Merkmalen sowie die entsprechenden Frequenzstatistiken enthält. Die zugehörige Veröffentlichung ist „EpiCoder: Encompassing Diversity and Complexity in Code Generation“. Er zielt darauf ab, eine Grundlage für gesteuerte, merkmalsbedingte Codegenerierung zu bieten.

Zusammensetzung des Datensatzes

• epicoder_features.json: Definiert eine hierarchische Klassifikation von 17 obersten Code-Merkmal-Kategorien, die Dimensionen wie Programmiersprache, Implementierungsstil, Arbeitsabläufe, Funktionen und Ressourcennutzung abdeckt.
• epicoder_features_frequency.json: Bietet Frequenzstatistiken für 1.795.310 Merkmalsknoten, einschließlich aggregierter Frequenzen, historischer Frequenzen und durchschnittlicher Untermerkmalsfrequenzen, um feingranulare Code-Merkmale aus realen Code-Repositories zu erfassen.

Zitation

@inproceedings{wang2025epicoder,
  title={EpiCoder: Encompassing Diversity and Complexity in Code Generation},
  author={Yaoxiang Wang and Haoling Li and Xin Zhang and Jie Wu and Xiao Liu and Wenxiang Hu and Zhongxin Guo and Yangyu Huang and Ying Xin and Yujiu Yang and Jinsong Su and Qi Chen and Scarlett Li},
  booktitle={International Conference on Machine Learning (ICML)},
  year={2025},
  eprint={2501.04694},
  archivePrefix={arXiv},
  primaryClass={cs.CL},
  url={https://arxiv.org/abs/2501.04694},
}