The Stack v3 发布 5 万亿代码 token、覆盖 700 多种语言
LoubnaBenAllal1 · x · 2026-07-23
The Stack 团队发布 The Stack v3，并表示在当前时点，强大的开源模型比以往更重要。
- 这个版本包含 5 万亿 token 的代码语料。
- 覆盖 700+ 编程语言。
- 发布目标是为训练和构建更强的开源代码模型提供基础数据。
所属事件:Hugging Face 发布 The Stack v3：114TB 史上最大开源代码数据集(13 条相关)→
「研究」频道最新
- 剑桥等机构论文揭露图软提示的 token collapse 病态行为 — Sapienza · 2026-10-27
- Mathathon 2.0 启动：与陶哲轩 SAIR 合作，团队获 150 万美元算力 — _sathvikr · 2026-10-27
- 推友提出「甜课程」真实存在：两类 ML 问题应分而治之 — mike64_t · 2026-10-27
- PixGR：像素空间生成式解码加速前馈 3D 高斯重建 — kwangmoo_yi · 2026-10-27
- UniAction 统一动作条件框架:单一世界模型驱动多种动作类型 — ZeYanjie · 2026-10-27
- Infini-AI Lab 开源 Hermit:让 agent 从经验中进化出好习惯 — BeidiChen · 2026-10-27