北京大学 发布 LONGCODEU 数据集, 应用在 代码理解、机器学习 领域

北京大学 本次发布的数据集 LONGCODEU, LONGCODEU是一个专为评估长代码理解能力设计的基准数据集，由北京大学提出。该数据集收集自真实的代码仓库，包含一个或多个代码文件的内容，旨在评估长代码语言模型在代码单元感知、代码单元内部理解、代码单元之间关系理解和长代码文档理解四个方面的能力。数据集涵盖了从0到128K tokens不等的代码示例，按照正态分布划分，以应对现有基准数据集所面临的多项挑战。

查看LONGCODEU

关于 北京大学 , 北京大学是中国著名的高等教育机构，主要负责培养高等学历人才，致力于促进科技文化的发展。学校提供多层次的学历教育，包括医学、教育学、哲学、经济学、法学、文学、历史学、理学、工学、管理学等各类学科的专科、本科、硕士和博士研究生学历教育，同时还进行博士后培养。在数据资源方面，北京大学拥有丰富多样的数据集，这些数据集涵盖了各个学科的广泛领域，虽然具体数据集特点各异，但都体现了北大学术研究的深度和广度。通过这些数据集，可以一窥北大在科研和教育方面的实力与成果。

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。