تا به حال فکر کردهاید که چطور میتوان حجم عظیم کدهای متنباز را بر اساس حوزه فعالیت دستهبندی کرد؟ محققان بهتازگی دیتاست جدیدی به نام «NAICS-GH» منتشر کردهاند که شامل بیش از ۶۵۰۰ مخزن گیتهاب است و آنها را با استفاده از استاندارد صنعتی NAICS و قدرت مدلهای پیشرفتهای مثل GPT-4 طبقهبندی میکند.
این ابزار نه تنها برای محققان حوزه اقتصاد نوآوری بسیار کاربردی است، بلکه نشاندهنده یک پیشرفت جذاب در استفاده از مدلهای زبانی برای تحلیل دادههای واقعی و پیچیده در دنیای برنامهنویسی است.
این دیتاست به همراه کدها و پرامپتهای استفاده شده به صورت عمومی در دسترس قرار گرفته تا به درک بهتر جریان فناوری در بخشهای مختلف اقتصادی کمک کند. 🚀
منبع: arXiv AI