AI Coding Dataset

AI Coding Dataset NEW

- الهندسة الطويلة المدى - الجيل المخزني - المعضلات على مستوى المحافظات بعد مواءمة التدريب والأفضليات

وفيما يتعلق بمطالب خط المواجهة الخاصة بالنموذج الرمزي لعام 2026 والعامل الرمزي، الذي يغطي كامل مهام الطيف من إعادة الملف الواحد إلى مشاريع الماراثون المتعددة السككية، فإن معايرة البعثة متوائمة مع القوائم الرئيسية مثل SWE-bench Verified/Pro, DeepSWE v1.1, FrontierSWE, LMArena Coding. Each type of data is accompanied by an enforceable environment, a calibnFration vent and expert

قسم تحديد المواقع وقيمة التنمية

后训练燃料

يشمل نوعين من إشارات SFT و RL بعد التدريب: مسار الإجابات الصحيحة، وتتبع الفشل والإسناد، ودعم الخوارزميات مثل DPO/GRPO.

榜单同频

ويتماشى التدريب والتقييم مع تقييم قوائم موجزات البعثة، مثل SWE-bench, DeepSWE, FrontierSWE, LMArena Coding.

长程能力

من إعادة الملف إلى وظيفة إعادة تصميم الملفات إلى وظيفة إعادة تصميم الوثائق المشتركة بين الوحدات، وهي مهمة مكرسة لتعزيز قدرات إصلاح الأخطاء في سياقات الصيانة والتخطيط والتصوير في منتصف المدة.

评测基建

Docker + Verify Scripts for certainty, and the client can repeat the results of the assessment by one key to avoid environmental and calibration disputes.

تكوين البيانات ووصف المهام

سلسلة المهام

وتدعم البعثات من النوع الواحد، التي تبدأ بـ 000 3 إلى 000 20، تفصيل وتكييف نطاق الترددات السهلة (Easy/Medium/Hard/Frontier).

语言与仓库

Python/Java/Go/ TypeScript/ Rust/C+ Six languages; warehouse-level tasks include complete scaffolding, unit testing and CI formation.

Annotation Granularity

ويُعتبر مسار العمل + خط الخطوة + الرمز 3، وهو التدريب، والنسب، والقابلية للتقييم.

难度分布

The DeepSWE head alignment model 65-73% resolution rate ranges; the Ultra Long-horizon coupleing Zimarason list is very different.

حالات الاستخدام النموذجي

التدريب على نموذج ما بعد الترميز

توفير التدريب الكامل على العمليات من أجل توفير الخدمات التقنية الخاصة/الطلبات الموجهة إلى القطاع الخاص من أجل استكمال القدرة الهندسية الحقيقية للنموذج العام الكبير.

Encoding Agen Research

(د) التحقق من القدرة وتحديد المواقع على أساس قصير بالنسبة لمدونة كلود، ومدونة، وشركة أوفنيكود.

Benchmark Construction

وقد تم وضع مجموعة من التقييمات الخاصة العالية التفريغ والمقاومة للتلوث من أجل وكالة التقييم ومصنعي النماذج.

الاختيار النموذجي

وبغية مواءمة العمل المحدد مع نموذج المرشحين أفقيا، يُستخلص من النتائج المختارة التي يمكن تكرارها.

الشكل والمواصفات

النموذج

وقام كل من يو جونسون بتشكيل عينة مصممة + صورة مستودع رمزي (مع تاريخ جيت) + مرآة مهمة دوكر + سجل مدقق.

الحقول الأساسية

task_id、prompt/issue、repo_snapshot、gold_patch、test_patch、trajectory、rubric、difficulty、metrics。

معايير التفتيش النوعية

ملاحظة مزدوجة الاستعراض + فحص النصوص الآلية + استعراض العينات، والقابلية للتكرار في المسار، واتساق العلامات، هي 98 في المائة.

دورة التسليم

المعيار 2-4 أسابيع؛ مستوى المستودعات ونطاق الطول الفائق 4-8 أسابيع؛ دعم تسليم دفعات وتوسع متجدد.

التراخيص والامتثال

(ج) الإذن بالاستخدام التجاري + استعراض الامتثال لاتفاقات المصدر المفتوح + الحساسية للمعلومات الحساسة وتوفير وثائق التفويض الكاملة.

الوصف

بنية عينة بعثة الجماعة الاقتصادية لدول غرب أفريقيا (مقتطف)

{
  "task_id": "deepswe-00417",
  "repo": "acme-org/serving-core",
  "issue": "多文件联动：连接池泄漏导致长跑 OOM",
  "gold_patch": "diff --git a/pool.py ...",
  "test_patch": "tests/test_pool_leak.py",
  "trajectory": [
    {"step": 1, "action": "grep -R \"Pool(\" src/", "finding": "3 处未释放"},
    {"step": 2, "action": "edit src/pool.py:88", "diff": "..."},
    {"step": 3, "action": "pytest -q", "result": "28 passed"}
  ],
  "difficulty": "hard",
  "metrics": {"resolved": true, "regression": 0, "patch_lines": 42}
}

عينة من نوع كريند آرينا المفضلة (مبيعة)

{
  "prompt": "做一个支持多人协作的看板应用，含拖拽与实时同步",
  "candidate_a": {"stack": "React + WebSocket", "artifact": "..."},
  "candidate_b": {"stack": "Vue + SSE", "artifact": "..."},
  "preference": "a",
  "dimensions": {
    "功能完整性": {"a": 5, "b": 4},
    "UI 美观度": {"a": 4, "b": 5},
    "交互流畅性": {"a": 5, "b": 3}
  },
  "annotator_agreement": 0.81
}