结构化/非结构化题库-代码题

包含1万道题、输入输出示例、Python解答，支持Code LLM训练、代码生成与算法推理能力训练。

0 条数据更新时间 2026-06-08

数据集简介

主要数据内容包括：大规模代码生成与编程题目数据集包含 1 万道真实编程竞赛与算法题目提供自然语言题目描述、输入输出示例与标准测试用例包含 Python 参考解答与 Starter Code 数据覆盖算法、数据结构、数学、字符串处理等多类别编程任务数据来源于 Codeforces、AtCoder、Codewars、Kattis 等在线编程平台包含 Easy、Medium、Hard 多难度等级编程题数据支持的能力方向包括：Code Generation（代码生成）模型训练AI 编程助手与自动代码补全训练程序推理与算法求解能力训练Chain-of-Thought（CoT）代码推理训练自动化编程评测与代码 Benchmark 测试LLM Coding Agent 与代码理解能力训练程序合成与代码执行推理研究适用于：AI 编程模型研发Code LLM 与 Agent 模型训练自动代码生成与智能编程助手算法推理与代码 Benchmark 评测教育编程与自动判题系统软件工程 AI 与代码理解研究

数据质量

记录时效性

按需更新

记录结构化

NDJSON、JSON、CSV、XLSX、Parquet，支持定制化

记录云交付

Amazon S3、Snowflake、Alibaba Cloud OSS、Google Cloud Storage、Google Drive

记录标准化

为保证数据的一致性与可用性，数据集在构建过程中对原始记录进行了标准化处理，包括：（1）单位标准化：统一价格、重量、尺寸等字段的计量单位；（2）格式标准化：统一日期、时间、数值字段的表示格式；（3）文本清洗：去除 HTML 标签、多余空格及异常字符；（4）字段规范化：统一字段命名、数据类型与缺失值表示方式。该过程确保数据在不同来源和不同采集批次之间保持结构一致性，便于后续分析与建模。

记录代表性

数据覆盖全量业务场景，样本均衡，具备行业代表性

需要定制更适合业务场景的数据集？

我们支持公开数据浏览、关键词筛选与企业级定制交付，帮助你更快完成模型训练与数据分析落地。