发布 SLTrans 数据集, 应用在 编程语言处理、代码生成 领域

本次发布的数据集 SLTrans, 该数据集名为SLTrans，包含了大约400万个自包含源代码文件，这些文件与12种编程语言的相应中间表示（IR）配对，总共有262亿个标记。该数据集不仅包括为大小优化和性能优化的IR，还针对长度进行了筛选，以确保在语言建模中的可用性。该数据集的规模约为400万个样本，其任务涉及多语言代码生成和理解。

查看SLTrans

Dataset card 内容： 

Files and versions 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。