rust-repos 是数据集领域的开源项目，由 rust-lang 开发，2018 年首次发布。
它收录于数据集分类，该分类目前共有 278 个项目，GitHub 星标数为 142。
项目目前处于活跃维护状态，最近一次代码更新于 2026-09-20。开源数据集，免费使用。
它主要面向的使用场景是：训练或评测Rust代码大模型时构建语料库。同类可对比的替代方案包括 The Stack、CodeSearchNet。
rust-repos
一站式收集 Rust 仓库源码，省去逐个抓取的麻烦
rust-repos 是一个面向 Rust 生态的源代码仓库数据集项目，主要用途是批量收集、整理和提供 Rust 语言开源仓库的源码与元数据，方便研究者、工具开发者进行代码分析、模型训练或仓库挖掘。它解决的核心问题是：Rust 代码语料分散、缺乏统一入口，想做大样本静态分析、代码搜索、机器学习训练或仓库健康度研究时，需要自己逐个抓取和清洗仓库。项目以 Rust 语言实现，属于 rust-infra 工具链方向，当前星标约 142，处于早期阶段。核心能力包括仓库清单组织、源码数据聚合，以及为下游分析任务提供可复用的数据基础。适合作为 Rust 代码智能、依赖分析、代码克隆检测等方向的底层数据来源。
开源
free
数据集
GitHub 星标
★ 142
维护状态
活跃
是否开源
是
定价模式
free
项目数据
分类数据集
开发团队rust-lang
所属国家
定价模式free
价格说明开源数据集，免费使用
访问状态
是否开源是
开源协议MIT
主要语言Rust
技术栈/模型rust-infra
GitHub 星标★ 142
30天Star增速
HF 下载量
上线时间2018-08-18 00:00:00
最近更新2026-09-20 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-21
浏览次数0
使用教程
核心亮点
- 提供批量 Rust 仓库源码与元数据，省去自行爬取清洗的成本
- 用 Rust 实现，与 Rust 生态工具链天然契合，便于二次开发
- 面向代码分析/模型训练场景，可作为下游任务的统一数据底座
不足之处
- 项目处于早期，仓库覆盖范围与更新频率尚不明确
- 数据规模、字段说明和使用文档可能不够完善
适用场景
- 训练或评测 Rust 代码大模型时构建语料库
- 做 Rust 仓库静态分析、依赖与代码克隆研究
- 搭建代码搜索或代码智能工具的数据源
替代项目
The Stack、CodeSearchNet
项目介绍
上一篇：VPSCI-Dataset
下一篇：RoboVerse
同类项目推荐
X-AnyLabeling
开源
一站式AI辅助标注，图像视频文本通吃，导出格式随心配
X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···
aisheets
开源
像用表格一样批量调 AI，不写代码就能造和改数据集
Build, enrich, and transform datasets using AI models with no code
distilabel
开源
基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。
Distilabel is a framework for synthetic data and AI feedback for engineers who need ···
DataGen
开源
用大模型一键生成定制化训练数据，告别数据荒
[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models