metadata
license: mit
模型训练过程汇总（持续更新中）
对于已收集的每一个模型，code 目录为模型定义、训练和测试的代码和脚本文件，model 目录为已收集的 epoch 模型文件，dataset.zip 为模型数据集。
下表汇总了所有收集的模型训练过程信息：
| 模型名称 | 模型简介 | 模型类型 | Epoch数量 | 数据集信息 |
|---|---|---|---|---|
| Clone-detection-BigCloneBench | 基于大规模代码克隆基准数据集的代码克隆检测模型，任务是进行二元分类(0/1),其中1代表语义等价，0代表其他情况。 | 代码克隆检测 | 2个epoch | BigCloneBench数据集 |
| Clone-detection-POJ-104 | 基于POJ-104数据集的代码克隆检测模型，任务是识别不同编程题目中相似的代码实现，给定一段代码和一组候选代码，任务是返回具有相同语义的Top K个代码 | 代码克隆检测 | 2个epoch (0-1) | POJ-104编程题目数据集 |
| CodeCompletion-token | 基于token级别的代码自动补全模型 | 代码补全 | 5个epoch (Java语料库) | Java代码token序列数据集 |
| Defect-detection | 代码缺陷检测模型，通过分析代码来识别潜在的缺陷和错误（进行二元分类(0/1)） | 代码缺陷检测 | 5个epoch | 包含缺陷标注的C语言代码数据集 |
| code-refinement | 代码优化模型 | 代码优化/重构 | 34个epoch(small数据集) | 代码优化前后对数据集（C语言） |
| code-to-text | 代码到自然语言的转换模型 | 代码注释生成 | 每种语言10个epoch (支持Python/Java/JavaScript/PHP/Ruby/Go) | 多语言代码-文本对数据集 |
| NL-code-search-Adv | 高级自然语言代码搜索模型，通过计算自然语言查询与代码片段之间的相似性来实现代码搜索, | 代码搜索 | 2个epoch | 自然语言-(python)代码对数据集 |
| NL-code-search-WebQuery | 基于Web查询的代码搜索模型，该模型通过编码器处理代码和自然语言输入，并利用多层感知器（MLP）来计算相似性得分 | 代码搜索 | 两个数据集各3个epoch | Web查询-代码对数据集（CodeSearchNet数据集和CoSQA数据集(python)） |
| text-to-code | 自然语言到代码的生成模型 | 代码生成 | 23个epoch | 文本描述-代码(c语言)对数据集 |