代尔夫特理工大学 发布 HumanEval 数据集, 应用在 软件工程、代码生成评估 领域

代尔夫特理工大学 本次发布的数据集 HumanEval, HumanEval是由代尔夫特理工大学的研究团队创建的软件工程领域AI基准数据集。该数据集主要用于评估大型语言模型在代码生成任务上的性能，包含多个子任务，如代码修复和代码解释。尽管有多个版本尝试扩展语言支持或改善测试覆盖范围，但原始数据集中的错误和不足仍未得到彻底解决。该数据集在AI和软件工程社区中广受欢迎，但存在测试不正确、测试覆盖不足、解决方案错误和问题描述不明确等问题。

查看HumanEval

Dataset card 内容： 

Files and versions 内容： 

关于 代尔夫特理工大学 , 代尔夫特理工大学是荷兰领先的研究型大学之一，以其在工程、设计和管理学领域的优秀教育和创新研究而闻名。

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。