The Stack (BigCode)

数据集

编程辅助

2 次浏览

0 个赞

代码训练集开源协议

访问链接

资源描述

包含 300 亿个 Token 的开源代码数据集，支持 300 多种编程语言。

这是一个 3.1 TB 的巨型开源代码数据集，仅包含通过许可协议（Permissive）授权的代码，规避了版权风险。涵盖 300 多种编程语言，是训练 StarCoder、DeepSeek-Coder 等代码大模型的核心支柱。