您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
数据集:
codeparrot/github-code-clean
许可:
apache-2.0
英文这是一个更清洁的版本 Github-code dataset ，我们添加了以下过滤条件：
- 平均行长度小于100
- 字母数字字符比例大于0.25
- 删除自动生成的文件（关键词搜索）
删除了3.39M个文件，占数据集的2.94%。