CodeFeedback-Filtered-Instruction — LLM 代码 Dataset

74k coding instruction pairs across Python, Java, JavaScript, and C++ with a focus on interactive code generation and debugging. Combines data from Magicoder, ShareGPT-Python, and original generation to create a diverse multi-language coding chat dataset. Used to train OpenCodeInterpreter.

Dataset Details

Providerm-a-p
Category代码
Size74k Rows
LicenseApache 2.0
Downloads180k
TagsMulti-Language, Python, Java, Code-Chat
 
from datasets import load_dataset
ds = load_dataset("m-a-p/CodeFeedback-Filtered-Instruction")

用这个数据集微调

使用 QLoRA（4-bit 基础模型 + LoRA 适配器）微调的预计显存需求（保守默认参数）：

7B QLoRA~6GB VRAM
13B QLoRA~10GB VRAM

检测你的 GPU 能否微调 →

相关数据集

常见问题

CodeFeedback-Filtered-Instruction 可以商用吗？
可以——CodeFeedback-Filtered-Instruction 采用 Apache 2.0 宽松许可证，允许商业使用，包括训练用于产品的模型。发布前请查看数据集卡片中的署名要求。
CodeFeedback-Filtered-Instruction 有多少数据？需要全部使用吗？
CodeFeedback-Filtered-Instruction 包含 74k Rows。通常不需要全部：风格和格式微调只需几百到几千条样本——先加载切片（如 split="train[:1000]"），质量到达瓶颈时再扩大规模。
CodeFeedback-Filtered-Instruction 最适合做什么？
Training coding models that respond to execution feedback。它属于数据集中心的「代码」板块，那里有替代和互补的数据集。

← 全部数据集 | Fine-Tuning Guide