Project CodeNet?是由 IBM?推出的一個用于推進 AI 對代碼的理解和翻譯的開源數據集。旨在為 AI-for-Code 研究界提供一個大規模、多樣化和高質量的數據集，以推動 AI 技術的創新。

Project CodeNet 有很多特點（大規模、多樣性等），與 ImageNet 相似（ImageNet 是一個巨大的圖像數據集，對計算機視覺研究領域產生了巨大的影響）。Project CodeNet 是一個大規模的數據集，有大約 1400 萬個代碼樣本，每個樣本都是 4000 個編碼問題中的一個預期解決方案。Project CodeNet 的目標是為代碼的人工智能做一些 ImageNet 為計算機視覺所做的事情。

Project CodeNet 有幾個不一樣的特點。除了數據集的規模之外，代碼樣本是用 50 多種編程語言編寫的，主要語言是 C++、C、Python 和 Java。Project CodeNet 中的代碼樣本都有豐富的注釋信息，如代碼大小、內存占用、CPU 運行時間和狀態，表示接受或錯誤類型。

90% 以上的問題都有相應的問題描述，其中包含了簡潔的問題陳述、輸入格式和輸出格式的說明。如果可用，官方還從問題描述中提取了輸入和輸出的樣本，并將其作為數據集的一部分。用戶可以執行被接受的代碼樣本（超過 50% 的提交被接受），以提取額外的元數據，并驗證生成性人工智能模型的輸出是否正確。

此外，Project CodeNet?還解決了數據樣本的質量的問題。

豐富的元數據和多樣性為 Project CodeNet 提供了大量的使用案例。Project CodeNet 中的 problem-submission 關系對應于?Type-4?相似性，可用于代碼搜索和克隆檢測。Project CodeNet 中的代碼樣本被標記為接受狀態，因此可以探索 AI 技術來區分正確的代碼和有問題的代碼。

Project CodeNet 的元數據還可以跟蹤一個提交的代碼如何從有問題到被接受的演變過程，這可以用來探索自動代碼糾正。每個代碼樣本都標有 CPU 運行時間和內存足跡，可用于回歸研究和預測。鑒于其豐富的以多種語言編寫的程序，Project CodeNet 可以作為源到源翻譯的寶貴基準數據集。