景联文科技发布20万高质量程序代码数据集，全面覆盖主流编程语言，加速代码大模型迭代与优化

北京大学软件工程研究所的aiXcoder团队开源了一个名为aiXcoder-7B的代码大模型。

该模型通过大量的代码数据进行训练，能理解更多、更复杂的代码上下文信息，进行代码生成和补全，可提供32k 的上下文长度，推理阶段扩展则可达256k，可自动从多文件中识别和提取代码片段；

作为智能代码补全工具，它可以依据用户输入节奏决定是否需要补全，并不随意触发功能打断其工作状态。极大提高了代码编写的效率、质量和可维护性。

景联文科技在AI领域深耕多年，打磨了高质量程序代码数据集，致力于为不同训练阶段的算法精准匹配高质量数据资源。

20万程序代码数据集

编程语言包含：Python、Java、C、C++、C#、JavaScript、PHP、Visual Basic、其他；

代码质量都通过 bug 经过验证。

样例

景联文科技拥有丰富的代码专家资源，所有数据都经专业代码人员进行三轮质检，数据准确率可达99%，可加速算法研发进度，为代码大模型的训练和优化提供有力支持。

在数据安全与合规方面，景联文科技已通过ISO9001质量、ISO27001信息安全、ISO27701国际隐私安全管理认证，积极参与8项国家数据交换格式和数据安全标准制定，牢固构筑数据保护的基石。

景联文科技其他成品数据集还包含200TB计算机视觉数据，65万小时多语种语音识别数据，上亿条自然语言理解数据，涵盖智能教育、智慧医疗、智能安防、智能家居、智能互联网、智慧金融、自动驾驶等主要行业应用场景。

致力于推进数据资源标准体系建设，从数据生产、数据管理平台、数据资产市场化流通、数据资源规划等方面提供高质量的数据要素供给服务。

同时景联文科技提供大模型训练数据的标注服务，建立了数据分发、清洗、标注、质检、交付的标准化操作流程，为全球数千家人工智能从业公司和高校科研机构交付海量、高质量的大模型训练数据。

获取样例请登录景联文科技官网咨询客服。https://www.jinglianwen.com/ai/

或直接发送需求至邮箱：lx@jinglianwen.com

景联文科技｜数据采集｜数据标注｜程序代码数据集

助力人工智能技术，赋能传统产业智能化转型升级

文章图文著作权归景联文科技所有，商业转载请联系景联文科技获得授权，非商业转载请注明出处。