Hugging Face 发布 The Stack v3：5 万亿 token 开源代码数据集
lvwerra · x · 2026-07-23
Hugging Face 发布 The Stack v3，包含 5 万亿 token 开源代码数据
Hugging Face Research 表示，这个数据集是为下一代开源代码模型准备的，重点指向网络防御场景。
- 规模：5 万亿 tokens 的可训练代码数据
- 原始数据：120TB
- 用途：支持更强的开源模型用于网络安全工作
帖子还把这次发布和近期 cyberattack 事件联系起来，强调需要更强的开源基础设施。
所属事件:Hugging Face 发布最大开源代码数据集 The Stack v3(4 条相关)→
「Infra」频道最新
- Atomic 称量化模型运行时可将 KV Cache 压缩 6.4 倍 — testingcatalog · 2026-07-23
- DeepSeek 称已拥有约 2 万张 H 等效算力卡，并将继续买 NVIDIA GPU — ShakeelHashim · 2026-07-23
- M5 MacBook Pro 24GB 或 32GB 能跑 27B 本地模型吗 — Adventurous-Gold6413 · 2026-07-23
- 截图显示专门面向“禁售”开源权重模型的种子站 — Promptmethus · 2026-07-23
- AI 数据中心债务已达 5000 亿美元，被警告有次贷式风险 — SumitGup · 2026-07-23
- RISC-V 与 Linux 被视为未来开放计算栈的基础 — Obijuan_cube · 2026-07-23