发布 LPcode 数据集, 应用在 代码生成、机器学习模型检测 领域

本次发布的数据集 LPcode, 该数据集名为LPcode，包含了人类编写的代码与多种大型语言模型（LLM）生成的释义代码的对。该数据集旨在支持两项任务：一是检测代码是否为LLM释义版本，二是识别是哪个LLM对原始代码进行了释义。为确保数据完整性，该数据集经过筛选，移除了除Apache、BSD和MIT许可证之外的代码，并对敏感信息进行了匿名处理。数据集中包含了正样本（释义代码）和负样本（非释义代码），两者比例为1:1。任务的划分为：一是判断LLM生成的代码是否为人类编写代码的释义版本；二是确定是哪个LLM对原始代码进行了释义。

查看LPcode

README 内容： 

关于 , 国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

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。