멀티모달 코딩 데이터셋(MCD)은 Microsoft Research, Peking University, Southern University of Science and Technology가 제안하여 2025년에 공개한 대규모 데이터셋입니다. 관련 논문 결과는 다음과 같습니다.VisCodex: 비전 및 코딩 모델 병합을 통한 통합 멀티모달 코드 생성".

이 데이터 세트에는 총 약 598,000개의 고품질 샘플/쌍이 포함되어 있으며, 여러 입력 모드(텍스트, 이미지, 코드)와 출력 모드(코드, 답변, 설명)를 포괄하는 지침 따르기 형식으로 구성되어 있으며 다중 모드 코드 이해 및 생성 작업에 적합합니다.

데이터에는 다음이 포함됩니다.

• 향상된 HTML 코드(HTML): 시각적 효과와 구조적 최적화에 초점을 맞춘 약 20만 개의 코드-스크린샷 쌍입니다.
• 차트: 이미지-코드 재생성을 위한 약 210,000개의 이미지-코드 쌍.
• 질문과 답변(QA): 약 59,000개의 코드-질문-답변 쌍으로, 코드를 중심으로 한 질문과 답변이 포함되어 있습니다.
• 알고리즘: 약 129,000개의 알고리즘 코딩 문제와 명령어 따르기 샘플.