跳到主要内容Skip to main content

Models · Data · 评测集

HumanEval

函数级代码生成基准,用单元测试判分,口径清楚。

来源OpenAI
规模164 道 Python 函数题
语言英文 / Python
格式JSONL
许可MIT
商用允许
获取直接下载
任务适配代码生成
核验日2026-11-19

质量与偏差

函数级代码生成基准,用单元测试判分,口径清楚。

使用边界

题量小,单一语言;分数波动大,不能单独代表代码能力。

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://github.com/openai/human-eval · 核验日 2026-11-19 · 许可以来源页为准