code-philia/mtpnet_tokens

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：

<table> <tr> <th>模型名称</th> <th>模型简介</th> <th>模型类型</th> <th>Epoch数量</th> <th>数据集信息</th> </tr> <tr> <td>Clone-detection-BigCloneBench</td> <td>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。</td> <td>代码克隆检测</td> <td>2个epoch</td> <td>BigCloneBench数据集</td> </tr> <tr> <td>Clone-detection-POJ-104</td> <td>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</td> <td>代码克隆检测</td> <td>2个epoch (0-1)</td> <td>POJ-104编程题目数据集</td> </tr> <tr> <td>CodeCompletion-token</td> <td>基于token级别的代码自动补全模型</td> <td>代码补全</td> <td>5个epoch (Java语料库)</td> <td>Java代码token序列数据集</td> </tr> <tr> <td>Defect-detection</td> <td>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)）</td> <td>代码缺陷检测</td> <td>5个epoch</td> <td>包含缺陷标注的C语言代码数据集</td> </tr> <tr> <td>code-refinement</td> <td>代码优化模型</td> <td>代码优化/重构</td> <td>34个epoch(small数据集)</td> <td>代码优化前后对数据集（C语言）</td> </tr> <tr> <td>code-to-text</td> <td>代码到自然语言的转换模型</td> <td>代码注释生成</td> <td>每种语言10个epoch (支持Python/Java/JavaScript/PHP/Ruby/Go)</td> <td>多语言代码-文本对数据集</td> </tr> <tr> <td>NL-code-search-Adv</td> <td>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,</td> <td>代码搜索</td> <td>2个epoch</td> <td>自然语言-(python)代码对数据集</td> </tr> <tr> <td>NL-code-search-WebQuery</td> <td>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</td> <td>代码搜索</td> <td>两个数据集各3个epoch</td> <td>Web查询-代码对数据集（CodeSearchNet数据集和CoSQA数据集(python)）</td> </tr> <tr> <td>text-to-code</td> <td>自然语言到代码的生成模型</td> <td>代码生成</td> <td>23个epoch</td> <td>文本描述-代码(c语言)对数据集</td> </tr> <tr> <td>casestudymnist_backdoor</td> <td>使用MNIST数据集(包含手写数字),用于分类0到9的灰度图像，攻击者在训练集中插入恶意构造的样本（后门样本），使得训练好的模型在特定输入下表现出异常行为</td> <td>使用后门攻击图像分类模型</td> <td>48个epoch</td> <td>MNIST 数据集</td> </tr> </table>