The Stack v3，一个包含 713 种编程语言、来自 1.73 亿个存储库的 15.9 TB 数据集已发布。该数据集由 Hugging Face 编译，于 2025 年从 GitHub 抓取。人们对使用个人和组织项目（包括可能受版权保护的材料，如博士论文和算法）来训练大型语言模型表示担忧。 AI
影响 引发了关于 LLM 训练数据集的数据来源和版权的疑问。
排序理由 发布用于 AI 训练的大型数据集。[lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — fosstodon.org 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
