EpiCoder Meta Features は、Microsoft が2025年に公開した、階層的な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あり、関連する論文成果は「EpiCoder: Encompassing Diversity and Complexity in Code Generation」です。制御された特徴条件付きコード生成の基盤サポートを提供することを目的としています。

データセット構成

• epicoder_features.json：17のトップレベルコード特徴カテゴリからなる階層的分類体系を定義しており、プログラミング言語、実装スタイル、ワークフロー、機能、リソース使用などの次元を網羅しています。
• epicoder_features_frequency.json：1,795,310の特徴ノードを対象とした頻度統計を提供し、集計頻度、履歴頻度、平均サブ特徴頻度を含み、実世界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るために使用されます。

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},
}