Conjunto de datosAvanzado
El conjunto de datos de código fuente de la pila
The Stack es un gran dataset de código fuente con licencias permisivas del proyecto BigCode, que cubre cientos de lenguajes de programación. Se usa ampliamente para preentrenar y evaluar modelos de generación de código, e incluye mecanismos de opt-out y herramientas de deduplicación para prácticas de datos responsables.
Descripción general
"El conjunto de datos de código fuente de la pila" es un recurso de tipo "Conjunto de datos" seleccionado por AI Resource Hub, clasificado en la categoría Datasets y adecuado para estudiantes de nivel Avanzado. Lo proporciona BigCode, se actualizó por última vez el 2026-06-22 y tiene una puntuación editorial de 4.5/5 de nuestro equipo. Haz clic en "Visitar recurso" a la derecha para abrir la página original.
Etiquetas
La StackCódigoConjunto de datosBigCode
Características clave
- ▹Un gran corpus de código fuente
- ▹Muchos lenguajes de programación
- ▹Usado para entrenar modelos de código
Ventajas
- +Fundacional para los LLM de código
- +Cobertura amplia de lenguajes
- +Datos de entrenamiento fundacionales para modelos de código
Desventajas
- −El filtrado por licencias es clave
- −El filtrado de licencias es esencial antes de usarlo
- −El volumen enorme exige almacenamiento y cómputo serios
Preguntas frecuentes
Visitar recurso →
Detalles
- Precios
- Dataset gratuito y abierto
- Autor
- BigCode
- Puntuación editorial
- ★ 4.5 / 5
- Última actualización
- 22 jun 2026