数据集概述
本数据集是论文《DeepSeek-V3, GPT-4, Phi-4, and LLaMA-3.3 generate correct code for LoRaWAN-related engineering tasks》的补充材料，包含实验数据分析代码、原始数据、结果文件及依赖说明，支持论文研究结果的复现与扩展分析。
文件详解
- analysis.ipynb
- 文件格式：Jupyter Notebook
- 字段映射介绍：包含论文中的数据分析流程及额外探究内容，支持代码生成结果的复现
- data
- 文件格式：文件夹
- 字段映射介绍：存储实验生成的原始数据、提取的Python代码及代码运行结果
- full_non_agg.xlsx
- 文件格式：Excel
- 字段映射介绍：实验生成数据中提取的非聚合结果
- LICENSE_CODE.txt
- 文件格式：TXT
- 字段映射介绍：包含代码部分的MIT许可说明
- LICENSE_DATA.txt
- 文件格式：TXT
- 字段映射介绍：包含非代码材料的CC-BY 4.0许可说明
- README.md
- 文件格式：Markdown
- 字段映射介绍：数据集内容说明文档
- requirements.txt
- 文件格式：TXT
- 字段映射介绍：运行notebook所需的Python依赖清单
数据来源
论文《DeepSeek-V3, GPT-4, Phi-4, and LLaMA-3.3 generate correct code for LoRaWAN-related engineering tasks》（发表于Electronics期刊）
适用场景
- LoRaWAN工程代码生成研究：分析不同大语言模型在LoRaWAN相关任务中的代码生成正确性
- 大语言模型性能评估：对比DeepSeek-V3、GPT-4、Phi-4、LLaMA-3.3在特定工程任务中的表现
- 物联网工程AI应用：探索AI在LoRaWAN等物联网协议开发中的实际应用价值
- 学术研究复现：支持论文实验结果的复现与扩展分析，验证模型代码生成能力
