Chengying Tu 团队开源 UltraData-Code 分层代码数据集
热点事件持续更新
Chengying Tu 团队开源 UltraData-Code 分层代码数据集
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Chengying Tu 团队发布 UltraData-Code 数据集，提出四层数据状态架构，旨在将原始代码仓库转化为算法密集且面向任务的代码数据。该数据集已开源，包含用于进一步研究 LLM 的分类器。 在规模与语言覆盖上，L2 层产出约 400B tokens，L3 层产出约 150B tokens，两者均覆盖 11 种编程语言。L3 层通过将有选择的实现转化为结构化编程练习来生成数据。 实验效果方面，针对 10B 规模模型的测试显示，当使用 L3 层数据替换 L2 层半数数据后，EvalPlus 基准测试的 pass@1 指标提升了 8.42 个百分点，验证了该数据增强策略的有效性。
AI 根据报道生成 · 4 小时前更新
最新进展10月20日 12:00
UltraData-Code：从原始仓库到算法密集且面向任务的代码数据报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv · NLPUltraData-Code：从原始仓库到算法密集且面向任务的代码数据
研究提出 UltraData-Code 四层数据状态，将原始仓库转化为面向任务的代码数据。 L2 层产出约 400B tokens 覆盖 11 种语言，L3 层产出约 150B tokens 用于微调。 10B 模型测试显示，L3 替换 L2 半数数据后，EvalPlus pass@1 提升 8.42pp。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月20日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。