【五号雷达-数据快讯】ProCQA - 大规模编程问答数据集

ProCQA，由北京航空航天大学构建的一个大规模编程问答数据集，包含约500万个问答对，覆盖Python、Java、JavaScript等11种不同的编程语言，内容涉及算法、框架、库的使用等多个知识领域。该数据集源自StackOverflow社区，研究人员通过爬虫技术获取，采用了严格的规则过滤策略，如过滤过短或过长的问答，只保留被提问者接受的答案等，确保数据的质量和公平性。ProCQA中的问答对是自然结构化的混合模态对，即文本和代码在问答字段中交织在一起，为模型提供了自然监督信号，以便于对齐两种模态。ProCQA的应用领域广泛，不仅可以用作评估基准，也可以用作预训练语料库，为代码检索和问答任务提供了宝贵的资源。

详情请参见五号雷达：https://www.5radar.com/result?key=ProCQA