The Stack: Quellcode-Datensatz
The Stack ist ein großer, permissiv lizenzierter Quellcode-Datensatz des BigCode-Projekts, der Hunderte Programmiersprachen abdeckt. Er wird umfassend zum Vortrainieren und Evaluieren von Code-Modellen verwendet und bietet Opt-out-Mechanismen sowie Deduplizierungs-Tools für verantwortungsvolle Datenpraxis.
Überblick
„The Stack: Quellcode-Datensatz“ ist eine Ressource vom Typ „Datensatz“, kuratiert von AI Resource Hub, eingeordnet in die Kategorie Datensätze und geeignet für Lernende der Stufe Experte. Sie wird von BigCode bereitgestellt, wurde zuletzt am 2026-06-22 aktualisiert und hat eine redaktionelle Wertung von 4.5/5 von unserem Team. Klicke rechts auf „Ressource besuchen“, um die Originalseite zu öffnen.
Unser Fazit
The Stack ist das Standard-Startkorpus für alle, die Code-Modelle trainieren oder evaluieren: eine riesige, permissiv lizenzierte Sammlung, die Mainstream- und Nischensprachen gleichermaßen abdeckt und bereits Grundpfeiler des Feldes ist. Behandle es als Industriematerial, nicht als runterlad-und-los-Asset. Vor dem Training kommerzieller Modelle musst du Lizenzen filtern, Restrisiken prüfen und für das volle Volumen ernsthaft Speicher und Rechenleistung einplanen. Für Forschung und Pretraining ist es nahezu unverzichtbar; zum lockeren Experimentieren sind kleinere Kuratierungen die freundlichere Wahl.
Tags
Hauptfunktionen
- ▹Großes Korpus an Quellcode
- ▹Viele Programmiersprachen
- ▹Zum Training von Code-Modellen genutzt
Ideal für
- ▹Code-Modell-Pretraining über Hunderte Sprachen
- ▹Großangelegter Quellcode mit permissiven Lizenzen
- ▹Verantwortungsvolle KI mit Opt-out und Deduplizierung
Weniger geeignet für
- ▪Teams mit Bedarf an kommerziellen Hosting-Garantien
- ▪Natürlichsprachige Trainingsdaten ohne Code
Vorteile
- +Grundpfeiler für Code-LLMs
- +Breite Sprachabdeckung
- +Grundlegende Trainingsdaten für Code-Modelle
Nachteile
- −Lizenzfilterung ist entscheidend
- −Lizenzfilterung ist vor der Nutzung unerlässlich
- −Riesiges Volumen braucht ernsthaft Speicher und Rechenleistung
FAQ
Details
- Preise
- Kostenloser / offener Datensatz
- Autor
- BigCode
- Redaktionswertung
- ★ 4.5 / 5
- Zuletzt aktualisiert
- 22. Juni 2026