待验证50% 置信事实精确时间
The Stack v2数据集是目前最大的开源代码数据集之一，包含约67.5TB的源代码数据
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/8/10
首次发现
有效期至：2026/11/8
来源
相关事实
待验证The Stack v2等大型代码数据集已覆盖了GitHub上绝大多数许可证合规的开源代码78% 相似待验证主流LLM的训练数据中包含大量开源嵌入式代码，如GitHub上数以万计的STM32 HAL示例61% 相似已验证StarCoder在The Stack数据集上训练，该数据集包含来自GitHub超过6TB的源代码，覆盖350多种编程语言59% 相似待验证A medium-sized software project might contain hundreds of source files and tens of thousands of lines of code58% 相似待验证代码索引结果作为多智能体间共享资源被GitHub Copilot、Sourcegraph、Cursor等产品应用于代码搜索和代码库索引57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/725375API
curl https://kongchang.com/api/v1/knowledge/claims/725375MCP
get_claim(id=725375)