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
- 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