EpiCoder Meta Features は、Microsoft が 2025 年に公開した、階層型メタ特徴分類体系と対応する頻度統計を含むデータセットです。関連する論文の成果は「EpiCoder: Encompassing Diversity and Complexity in Code Generation」であり、制御された特徴条件付きコード生成のための基盤的なサポートを提供することを目的としています。

データセットの構成

• epicoder_features.json: プログラミング言語、実装スタイル、ワークフロー、機能、リソース使用量などの次元を網羅する、17 個のトップレベルコード特徴カテゴリの階層分類体系を定義しています。
• epicoder_features_frequency.json: 1,795,310 個の特徴ノードを網羅する頻度統計データを提供しており、集計頻度、履歴頻度、平均サブ特徴頻度などが含まれます。これにより、実際のコードリポジトリから抽出された細粒度のコード特徴を捉えます。

引用

@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},
}