The Stack v3 成为最大开放代码数据集，规模达 114TB 和 5T tokens
MeganRisdal · x · 2026-07-23
The Stack v3 正式发布，被称为迄今最大的开放代码数据集。
- 数据规模达到 114 TB
- 覆盖 770 种语言
- 包含 2.24 亿 个仓库
- 去重和过滤后约 5T tokens 的源代码
相比 v2，v3 从 68 TB 原始数据、约 550B tokens 扩展到更大规模，并且明确不包含受限制许可证代码。
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
- 3D ResNet 论文八年突破 3000 引用，Kinetics 数据集成里程碑 — HirokatuKataoka · 2026-09-11
- 把数据调度变成优化的一部分：样本选择与排序影响 LLM 训练 — Puzzleheaded_Box2842 · 2026-09-11
- Jeff Heaton《神经网络数学导论》开放免费完整下载 — blaizedsouza · 2026-09-11
- 数学家 Daniel Litt 上线问题库,15 题仅 1 题被解,用来追踪 AI 解题进度 — littmath · 2026-09-11
- AI 智能体协作优化 secp256k1 量子电路,挑战打破 ECDSA — StefanoGogioso · 2026-09-11
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11