代码数据应该怎么用呢

论文说代码数据会对数学推理能力有用，但是大多数的开源代码数据都是没有具体的函数注释和描述的，只是各种语言的组合。请问你们有没有验证如果只用一种语言，比如c++作为代码数据，对效果有没有影响还有就是如果代码数据没有注释，对效果有没有影响，我之前使用了LEMMA开源的代码堆栈数据，效果甚至有下降