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

价格

免费