跳到主要内容Skip to main content

Models · Data · 代码与领域

APPS

包含题面、样例与隐藏测试,适合测“写完能不能过测试”而不是只看相似度。

来源UC Berkeley
规模10,000 题
语言英文题面 / Python 代码
格式JSON
许可MIT
商用允许,需保留声明
获取Hugging Face 直接下载
任务适配代码生成 / 单元测试评测
核验日2026-11-19

质量与偏差

包含题面、样例与隐藏测试,适合测“写完能不能过测试”而不是只看相似度。

使用边界

题面与测试公开已久,污染风险高;部分题测试不完整。

第一次使用

固定执行环境与超时,先跑通样例再跑隐藏测试。

常见坑

把 pass@1 当真实工程能力;忽略执行环境差异。

成本

低到中等;需要沙箱执行。

不适合

不适合评估大型仓库级修改。

对比与替代

与 HumanEval / MBPP 相比题更多、测试更完整。

怎么验证

核对 split 与测试用例;抽 10 题本地跑通。

下一步

  • 打开来源页,下载数据集卡与许可原文,确认版本与获取条件。
  • 先抽 100–500 条样本做质量、语言与敏感内容抽检,再决定是否进训练管线。
  • 如果用于 RAG 或 SFT,先读 RAG 语料怎么选 / SFT 数据怎么配比。
来源:https://huggingface.co/datasets/codeparrot/apps · 核验日 2026-11-19 · 许可以来源页为准