PR4Code: AI 코드 생성을 위한 풀 리퀘스트(Pull Request) 데이터셋

요약

본 논문은 GitHub에서 수집된 PR4Code라는 풀 리퀘스트(PR) 데이터셋을 소개합니다. 이 데이터셋은 Java와 Python으로 구성되어 있으며, 단순 코드 조각이 아닌 기능 구현의 전체 프로세스를 포착하는 것이 특징입니다. 따라서 AI 기반 솔루션 평가에 사용될 대규모 실제 개발 작업 컬렉션을 제공합니다.

핵심 포인트

• PR4Code는 4,508개의 Java 및 8,831개의 Python PR로 구성된 데이터셋이다.
• 단순 코드 조각이 아닌 기능 구현의 전체 프로세스를 포착하여 활용도가 높다.
• PR 구조와 커밋 세분성 등에서 상당한 가변성이 발견되었다.
• 데이터 재생성과 업데이트를 위한 스크립트도 함께 공개된다.