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 The Stack v3：114TB 史上最大开源代码数据集(13 条相关)→
「Infra」频道最新
- AI 工程师必懂的 12 种 KV Cache 压缩技术一文讲透 — blaizedsouza · 2026-09-11
- 影子算力市场走向台前,Meta 对外出售过剩 GPU 算力成标志性信号 — DavidLinthicum · 2026-09-11
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11
- 劝退帖:推理工程是真金白银的硬活,八成尝鲜者已悄然放弃 — abhijithneil · 2026-09-11
- Hugging Face《Ultra Scale Playbook》:GPU 集群训练 LLM 的免费技术书 — mdancho84 · 2026-09-11
- 从聊天到 Agent,推理延迟正在成为生产级瓶颈 — Euphoric_Sea632 · 2026-09-11