kodcode

一键生成带验证的编程题数据集，喂给代码模型

kodcode 是一个合成数据集生成框架，专门用于创建多样化的编程题目和可验证的解决方案。它解决的是高质量代码生成模型训练数据稀缺的问题，通过自动化流程生成带测试用例的编程问题，并确保解决方案的正确性。核心能力包括：生成覆盖多种难度和主题的编程题目、自动编写并运行测试用例来验证答案、支持自定义扩展以适应不同场景。该框架旨在为代码模型微调、评估等提供丰富且可靠的数据源，减少人工标注成本，提升数据生产效率。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 321
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队KodCode-AI
所属国家
官网地址https://kodcode-ai.github.io
GitHubhttps://github.com/KodCode-AI/kodcode
定价模式free
价格说明开源框架，Apache-2.0 许可证，完全免费，可自行部署使用。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型code-generation,coding,dataset,large-language-models,nlp,paper,supervised-finetuning,synthetic-data,synthetic-dataset-generation
GitHub 星标★ 321
30天Star增速
HF 下载量
上线时间2025-02-21 00:00:00
最近更新2026-09-19 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数8

使用教程

核心亮点

  • 自动生成题目和可运行测试用例，数据质量有保障
  • 支持多样化题目类型，覆盖不同编程主题和难度
  • 框架设计灵活，可扩展自定义生成逻辑

不足之处

  • 早期项目，文档和社区生态尚待完善
  • 生成数据的多样性和复杂度可能受限于模板

适用场景

  • 为代码生成模型（如CodeLlama）构建微调数据集
  • 生成编程评测基准，用于模型能力评估
  • 辅助教学场景，自动生成练习题和答案

替代项目

Evol-Instruct、Self-Instruct、CodeContests

项目介绍

kodcode 是数据集领域的开源项目，由 KodCode-AI 开发，2025 年首次发布。

它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 321。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-19。Apache-2.0 许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：为代码生成模型（如CodeLlama）构建微调数据集。同类可对比的替代方案包括 Evol-Instruct、Self-Instruct、CodeContests。

上一篇：prontoqa

下一篇：SynLogic

同类项目推荐

X-AnyLabeling 开源

一站式AI辅助标注，图像视频文本通吃，导出格式随心配

X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···

★ 10528 2026-08-10
aisheets 开源

像用表格一样批量调 AI，不写代码就能造和改数据集

Build, enrich, and transform datasets using AI models with no code

★ 1645 2026-09-20
distilabel 开源

基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3398 2026-08-10
DataGen 开源

用大模型一键生成定制化训练数据，告别数据荒

[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models

★ 69 2026-08-09