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
- Wired 深度解析:为何众多 AI 研究者担心机器威胁人类生存 — wiredmagazine · 2026-09-11
- 加州为独立 AI 审计师设立标准：危险能力须由第三方验证 — VraserX · 2026-09-11
- a16z 播客：两三人小团队为何在政策讨论中集体失声 — a16z Podcast · 2026-09-11
- AI 风险评测遭质疑：研究者称评估方安全监控“草率得离谱” — Kyrannio · 2026-09-11
- 集体诉讼指控 Anthropic 用模糊用量倍数夸大 Claude 订阅权益 — The Decoder · 2026-09-11
- 医生晒购试剂需背景审查：制造致命病毒哪有那么容易 — Ghost_Pilot_MD · 2026-09-11