The Stack v3 上线：5T 训练 tokens 和 120TB 数据
lvwerra · x · 2026-07-23
The Stack v3 发布：5T tokens、120TB 原始数据
这个版本被定位为未来网络防御开源代码模型的训练基础，作者强调“这就是它们会建立在其上的数据集”。
- 规模很大：5T tokens 已可直接用于训练，外加 120TB 原始数据
- 目标明确：服务于网络防御方向的开源代码模型
- 当前已开放下载
所属事件:Hugging Face 发布最大开源代码数据集 The Stack v3(4 条相关)→
「安全」频道最新
- xAI 诉讼或冲击加州 AI 训练数据透明法 — ShakeelHashim · 2026-07-23
- SB 1047 争论再起，发帖者称现实风险已今非昔比 — neil_chilson · 2026-07-23
- Dolphin X 窃密木马用 AI 给受害者打分排序 — TechNadu · 2026-07-23
- Hugging Face、OpenAI 和阿里巴巴的代理黑客事件先被安全团队发现 — vkrakovna · 2026-07-23
- 微软设备标识追踪，可能让 Windows 上的 VPN 失去意义 — gnukeith · 2026-07-23
- ACM 因 AI 写就公告引发争议：要把出版物开放给 LLM — TobyWalsh · 2026-07-23