arXiv 机器学习· Chengying Tu, Hengyu Zhao, Shuaikang Xue, Zhongming Qu, Jihao Zhou, Xinle Lin, Junshao Guo, Zixuan Fu, Qiang Ma, Jie Zhou, Chaojun Xiao, Hongfei Yan, Yudong Wang, Xu Han, Zhiyuan Liu, Maosong Sun·· 5 小时前AI 评分48
UltraData-Code：从原始仓库到算法密集型与任务导向型代码数据
UltraData-Code: From Raw Repositories to Algorithmically Dense and Task-Oriented Code Data
AI 导读
研究团队发布了分层代码数据体系 UltraData-Code，包含算法筛选的 L2（约 400B tokens）与任务合成的 L3（约 150B tokens）等四种状态，覆盖 11 种语言并已开源。
来源：arXiv 机器学习 · arxiv.org