Hugging Face выпустила The Stack v3 — крупнейший открытый датасет для кода

Платформа Hugging Face представила обновлённую версию The Stack v3, содержащую 114 терабайт исходного кода. Доступны две версии: очищенный датасет для обучения моделей и полный сырой набор данных с метаданными для кастомной фильтрации. Это критически важно для разработчиков LLM, работающих над кодогенерацией.