Hugging Face 数据集 stack-v3-train 走热，主打多语言代码数据
HuggingFaceCode · hf · 2026-07-24
HuggingFaceCode/stack-v3-train 作为一个数据集在 Hugging Face 上开始走热。它的元数据表明，这是一份面向 文本生成 的 多语言代码数据集，来源同时包含众包与专家标注，采用 ODC-BY 许可，规模大致在 1 亿到 10 亿 样本之间。
页面还直接关联到了 arXiv:2402.19173，说明它不只是一个简单上传的数据包，而是带有论文背景的研究/训练资源。
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