新的CIDR数据集为AI研究提供8.32亿行工业代码

研究人员发布了精选工业开发者存储库（CIDR），这是一个包含来自工业合作伙伴的4,225个真实软件存储库的庞大数据集。该数据集包括75种编程语言的代码、版本控制历史以及诸如持续集成使用情况等工程实践属性。CIDR旨在推进代码智能和软件工程任务的研究，初步研究表明其在微调一个30亿参数的代码语言模型方面非常有效。 AI

影响 提供了一个大规模的真实世界数据集，以推进代码智能和开发者工具领域的人工智能研究。

排序理由 该集群通过arXiv发布了一个用于软件工程研究的新数据集。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• CIDR
• Curated Industrial Developer Repository
• DagsHub
• Gotit.pub
• Hugging Face
• ScienceCast
• Vladislav Savenkov

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →