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 v3：114TB 史上最大开源代码数据集(13 条相关)→
「研究」频道最新
- 剑桥等机构论文揭露图软提示的 token collapse 病态行为 — Sapienza · 2026-10-27
- Terence Tao 基金会办 Mathathon：参赛队获 150 万美元算力 — _sathvikr · 2026-10-27
- Mathathon 2.0 启动：与陶哲轩 SAIR 合作，团队获 150 万美元算力 — _sathvikr · 2026-10-27
- 推友提出「甜课程」真实存在：两类 ML 问题应分而治之 — mike64_t · 2026-10-27
- PixGR：像素空间生成式解码加速前馈 3D 高斯重建 — kwangmoo_yi · 2026-10-27
- UniAction 统一动作条件框架:单一世界模型驱动多种动作类型 — ZeYanjie · 2026-10-27