Cognitive Computations 发布 OpenCoder-LLM_opc-sft-stage2-DolphinLabeled 数据集, 应用在 代码生成、模型评估 领域

Cognitive Computations 本次发布的数据集 OpenCoder-LLM_opc-sft-stage2-DolphinLabeled, OpenCoder-LLM SFT DolphinLabeled数据集是OpenCoder-LLM SFT数据集的一个过滤版本，主要用于代码生成和评估任务。数据集包含四个部分：educational_instruct、evol_instruct、mceval_instruct和package_instruct。educational_instruct部分使用算法语料库生成（指令、代码、测试用例）三元组，并通过Python编译器验证；evol_instruct部分直接使用了开源的MagicCoder-Evol-Instruct-110k数据集；mceval_instruct部分直接使用了开源的McEval-Instruct数据集；package_instruct部分则从pydoc中提取了常见的接口文档，并生成了与Python包相关的问题。数据集通过dedupe.py脚本去除了重复的指令行，并通过label.py脚本添加了包含拒绝、未经请求的建议、NSFW内容、PII信息和免责声明等标签的“flags”列。

查看OpenCoder-LLM_opc-sft-stage2-DolphinLabeled

Dataset card 内容： 

Files and versions 内容： 

关于 Cognitive Computations , Cognitive Computations是一个专注于认知计算领域的研究机构。

关于 HuggingFace , Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。