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 The Stack v3：114TB 史上最大开源代码数据集(13 条相关)→
「安全」频道最新
- 研究发现「用 AI 审 AI」很难发现 reward hacking,作者推理解审计方案 — ronbodkin · 2026-10-26
- 网页塞一个 Markdown 就能劫持 Claude Code,Downloads 目录成 AI 攻击新死角 — pbaylies · 2026-10-26
- 当 Agent 能自我改写,「同意」还能约束它吗? — tallmetommy · 2026-10-26
- 529 起 AI Agent 事故中 109 起无攻击者，红队测试须覆盖全流程 — anacondainc · 2026-10-26
- 密码学家复盘漏洞史：代码疑似有漏洞就该立刻修 — matthew_d_green · 2026-10-26
- 浏览器 Agent 记忆写入路径需更多提防:先过滤密钥再进长期记忆 — Classic-Being-7960 · 2026-10-26