清华大学 发布 LeetCodeDataset 数据集, 应用在 代码生成、编程竞赛 领域

清华大学 本次发布的数据集 LeetCodeDataset, LeetCodeDataset是一个高质量的评价和训练代码生成模型的基准数据集，解决了大型语言模型研究中缺乏针对推理-focused编码基准和自包含训练测试床的问题。该数据集通过整理LeetCode平台上丰富的元数据、广泛的覆盖面、每个问题100+测试用例以及基于时间划分的训练测试集，使得模型可以在无污染的环境中评估和高效训练。数据集适用于代码生成任务，特别是在竞争级别的编程问题解决方面表现突出。

查看LeetCodeDataset

Dataset card 内容： 

Files and versions 内容： 

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。