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
- 剑桥等机构论文揭露图软提示的 token collapse 病态行为 — Sapienza · 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
- Infini-AI Lab 开源 Hermit:让 agent 从经验中进化出好习惯 — BeidiChen · 2026-10-27