EpiCoder Meta Features est un ensemble de données publié par Microsoft en 2025, comprenant une taxonomie hiérarchique des caractéristiques méta et les statistiques de fréquence correspondantes. Le document de recherche associé est « EpiCoder: Encompassing Diversity and Complexity in Code Generation », visant à fournir un support de base pour la génération de code conditionnée par des caractéristiques contrôlées.

Composition de l'ensemble de données

• epicoder_features.json : définit une taxonomie hiérarchique de 17 catégories de caractéristiques de code de niveau supérieur, couvrant des dimensions telles que le langage de programmation, le style d'implémentation, le flux de travail, les fonctionnalités et l'utilisation des ressources.
• epicoder_features_frequency.json : fournit des statistiques de fréquence couvrant 1 795 310 nœuds de caractéristiques, y compris les fréquences agrégées, les fréquences historiques et les fréquences moyennes des sous-caractéristiques, afin de capturer les caractéristiques de code à grain fin extraites de référentiels de code du monde réel.

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},
}