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
- 3D ResNet 论文八年突破 3000 引用，Kinetics 数据集成里程碑 — HirokatuKataoka · 2026-09-11
- 把数据调度变成优化的一部分：样本选择与排序影响 LLM 训练 — Puzzleheaded_Box2842 · 2026-09-11
- Jeff Heaton《神经网络数学导论》开放免费完整下载 — blaizedsouza · 2026-09-11
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11