Hugging Face 推出 The Stack v3，含 5T tokens 代码数据
lvwerra · x · 2026-07-23
Hugging Face 发布 The Stack v3，面向开源代码模型
帖子介绍了 Hugging Face 的新数据集 The Stack v3，定位是为开源代码模型提供训练底座，原帖还特别强调它对网络安全/防御场景的重要性。
已披露的数据规模非常大：
- 5T tokens 可直接用于训练
- 120TB 原始数据
- 面向未来的开源编程模型与安全相关能力
作者的判断是，这个数据集会成为后续开源代码模型的重要基础设施。
所属事件:Hugging Face 发布 The Stack v3 代码数据集(5 条相关)→
「研究」频道最新
- SaTML 2027 首次增设竞赛和工作坊征集，截止 8 月 28 日 — thegautamkamath · 2026-07-23
- Harness Handbook 把 agent 行为映射回源码，显著提升规划准确率 — omarsar0 · 2026-07-23
- 低光照 RGB SLAM 只有惯导融合和全局优化才稳 — ucu-autonomous-ugv · 2026-07-23
- GEN-1 开始支持从五指机械手到专用工具的多种末端执行器 — k7agar · 2026-07-23
- Google 用 1500 万次 Gemini 交互描绘 800 个职业的 AI 使用图谱 — sebkrier · 2026-07-23
- 菲尔兹奖得主实测：ChatGPT两小时搞定博士级数学证明 — 新智元 · 2026-07-23