【五号雷达-数据快讯】The Stack v2 - 超过600种编程语言的代码数据集
The Stack v2为BigCode发布的代码数据集，该数据集作为大型代码项目（BigCode Project）的一部分而创建，包含了超过30亿个来自600余种编程与标记语言的文件。该数据集源自Software Heritage档案（最大的公共软件源代码及其开发历史档案）。The Stack v2包含四个版本，全量数据为67.5TB，超过了The Stack v1的10倍，Tokens数约9000亿，可作为代码大模型的预训练数据集。
详情请参见五号雷达：https://www.5radar.com/
数据集地址：https://huggingface.co/datasets/bigcode/the-stack-v2
- 发表于:
- 原文链接：https://page.om.qq.com/page/OXpd98napYIjFc9u1kJu6OAQ0
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
