清华大学 发布 CodeFlow 数据集, 应用在 代码生成、软件调试 领域

清华大学 本次发布的数据集 CodeFlow, CodeFlow数据集是由清华大学和微软研究院共同构建的，通过迭代调试过程生成的函数级代码片段和测试用例，不断迭代直到代码通过所有单元测试。数据集包含正确版本和之前失败版本的对比，形成偏好对，用于指导代码生成模型学习更精确的错误修正模式。该数据集的构建模仿了人类程序员如何通过不断修改代码来调试程序，旨在帮助代码生成模型学习识别关键错误并提高代码质量。

查看CodeFlow

关于 清华大学 , 清华大学，位于中国北京，是一所享誉全球的顶尖研究型大学，以其深厚的学术底蕴和杰出的科研能力而著称。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。