Maxscha/commitbench_long

CommitBench是一个用于提交消息生成的开源、可重复且关注隐私和许可证的基准。该数据集从允许重新分发的GitHub仓库中收集，涵盖了六种编程语言：Java、Python、Go、JavaScript、PHP和Ruby。提交消息使用英语，因为英语是许多软件开发项目的工作语言。数据集包含1,664,590个示例，这些示例通过使用广泛的质量过滤技术生成（例如，排除机器人提交）。此外，还提供了一个包含更长序列的版本，用于基准测试具有更长序列输入的模型。CommitBench是一个用于提交消息生成的开源、可重复且关注隐私和许可证的基准。该数据集从允许重新分发的GitHub仓库中收集，涵盖了六种编程语言：Java、Python、Go、JavaScript、PHP和Ruby。提交消息使用英语，因为英语是许多软件开发项目的工作语言。数据集包含1,664,590个示例，这些示例通过使用广泛的质量过滤技术生成（例如，排除机器人提交）。此外，还提供了一个包含更长序列的版本，用于基准测试具有更长序列输入的模型。

原始信息汇总

CommitBench 数据集概述

数据集名称

CommitBench

许可

cc

任务类别

• 翻译
• 摘要

语言

• 英语

数据集描述

CommitBench 是一个用于提交信息生成的开源、可复现、注重隐私和许可的基准数据集。该数据集从允许重新分发的 GitHub 仓库中收集，涵盖六种编程语言：Java、Python、Go、JavaScript、PHP 和 Ruby。提交信息以英语为限，因为英语是许多软件开发项目的工作语言。数据集包含 1,664,590 个示例，通过广泛的质量聚焦过滤技术生成（例如，排除机器人提交）。此外，还提供了一个包含更长序列的版本，用于测试具有更长序列输入的模型。