EpiCoder Meta Features est un dataset publié par Microsoft en 2025, contenant une taxonomie hiérarchique de méta-features et les statistiques de fréquence associées. Les résultats de la publication associée sont présentés dans « EpiCoder: Encompassing Diversity and Complexity in Code Generation ». L'objectif est de fournir une base pour la génération de code sous contrôle conditionnel par features.

Composition du dataset

• epicoder_features.json : définit une taxonomie hiérarchique de 17 catégories principales de features de code, couvrant des dimensions telles que le langage de programmation, le style d'implémentation, les workflows, les fonctionnalités et l'utilisation des ressources.
• epicoder_features_frequency.json : fournit des statistiques de fréquence couvrant 1 795 310 nœuds de features, incluant les fréquences agrégées, les fréquences historiques et les fréquences moyennes des sous-features, permettant de capturer des features de code fines extraites de dépôts de code réels.

Citation

@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},
}