IBM open-source CodeAlchemy, un immense jeu de données synthétique de code de haute qualité

IBM a open-sourcé CodeAlchemy, un pipeline et un jeu de données synthétiques conçus pour améliorer les performances des modèles d'IA en associant le code à des traces d'exécution. La publication comprend près de 1 trillion de tokens sur 15 langages de programmation, totalisant au moins 200 fois la taille de Wikipédia.