AI代码数据集

数据来源：不限GITHUB，多渠道来源，专门为大模型训练整理 包含了超过 30 亿个来自 600 余种编程与标记语言的文件，全量数据为 67.5TB，超过 6TB 的许可源代码文件，涵盖 358 种编程语言。