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 发布最大开源代码数据集 The Stack v3(4 条相关)→
「研究」频道最新
- 论文研究开权重语言模型中的材料科学机制表征 — _akhaliq · 2026-07-23
- 机械可解释性工作坊摘要投稿截至 8 月 1 日 — nsaphra · 2026-07-23
- 一个 Reddit MCP 工作流把深度学习方案拆成规格、代码和验证 — hypergraphr · 2026-07-23
- 三种 LLM 评测指标能抓住生产故障，另外两种会漏掉 — Future_AGI · 2026-07-23
- NVIDIA 在 Hugging Face 发布 JEPA-DNA 基因组基础模型 — _akhaliq · 2026-07-23
- GBrain 把 AI agent 的公司大脑拆成六层架构 — femke_plantinga · 2026-07-23