NextCoder est un ensemble de données d'édition de codage de dialogue synthétique publié par Microsoft en 2025. Les résultats de l'article associé sont les suivants :NextCoder : Adaptation robuste des LM de code à diverses modifications de codeIl est principalement utilisé pour affiner les modèles de langage volumineux, contribuant ainsi à améliorer leurs performances en matière de réparation, de refactorisation et d'optimisation du code. Il est particulièrement adapté à la formation des assistants de programmation IA et à l'amélioration des capacités de lecture de code et d'interaction multi-tours.

L'ensemble de données contient environ 381 000 échantillons d'instructions à tour unique (NextCoderDataset) et 57 000 échantillons de dialogue à plusieurs tours (version conversationnelle), couvrant 8 langages, dont Python, Java, C++, C, Rust, JavaScript, Go, Kotlin, etc. Les données sont générées par les modèles GPT‑4o et LLaMA‑3.3‑70B‑Instruct.

Distribution des données :

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