Python 代码 FIM 填空评测数据集
机器学习
0 下载
21 浏览
2026-08-29
数据集简介
面向 Python 代码的 FIM 数据
该数据集围绕 Python 代码的 FIM(fill-in-the-middle)任务构建,按 line、statement、expression、block、function-body、method-body、api-call、class-level 等八类 FIM 类型分桶采样,覆盖从单行到类级别的多种填空粒度。数据集由 Hugging Face 用户 Rudra-G-23(Rudra Prasad Bhuyan)发布,公开可访问,不设门控。
字段结构
数据以表格/结构化形式存储,主要字段包括:
| 字段 | 类型 | 说明 |
|---|---|---|
| model | string | 模型标识 |
| task_id | string | 任务标识 |
| fim_type | string | FIM 类型 |
| exact_match | double | 精确匹配指标 |
| edit_similarity | double | 编辑相似度指标 |
| counts | struct | 含 total_examples(int64)及按八类 FIM 桶细分的 by_fim_type |
| checkpoints | string | 检查点信息 |
| shortfall_vs_target | struct | 与目标的缺口记录 |
| stage | string | 阶段标识 |
| sampling_config | struct | 含 source_file_count、max_spans_per_file、seed、bucket_quota 等采样配置 |
| variant | string | 变体标识 |
| generated_at | string | 生成时间 |
| folder | string | 目录信息 |
其中 sampling_config 记录了源文件数量、单文件最大 span 数、随机种子以及各 FIM 桶的配额(bucket_quota),counts 则给出总样本数与按 line、statement、expression、block、function-body、method-body、api-call、class-level 分类的计数,二者结合可用于核验采样过程是否符合配额目标(shortfall_vs_target 字段记录缺口)。
访问与已知限制
数据集页面于 2026-08-29 更新,页面未给出许可证信息,访问状态为公开(isGated 与 isPrivate 均为 false)。需要注意的是,平台数据集查看器目前无法加载该 split:流式加载时报错,提示列名不匹配(column names don't match),使用时建议直接下载原始文件处理。
基本信息
记录数量未知
文件大小未知
文件格式未知
数据来源Rudra-G-23(Rudra Prasad Bhuyan)
发布日期2026-08-29
访问方式公开免费
FIM 桶类型8 类
数据落地页https://huggingface.co/datasets/Rudra-G-23/the-stack-v3-python-fim-data
PythonFIMfill-in-the-middle代码生成评测数据
上架信息
数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载