待验证50% 置信事实精确时间
LLM在低资源语言上的预训练数据占比极低，这直接影响模型的语言理解能力和提示词响应行为。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
涉及实体
相关事实
已验证LLM通过在海量文本语料上进行无监督预训练（预测下一个词）来习得语言能力78% 相似已验证许多模型的安全对齐在非英语语言中表现显著下降，低资源语言尤其容易被利用，因为RLHF对齐训练的人类标注数据高度集中在英语上76% 相似待验证大语言模型（LLM）的训练数据以人类语言为主，如果语言本身携带隐藏偏见，那么模型输出也可能放大这些偏见。76% 相似待验证在NLP领域，低资源语言指缺乏大规模标注语料、预训练模型和基准数据集的语言，尼泊尔语即属此类76% 相似待验证传统n-gram模型和单语训练的神经语言模型在遇到跨语言词序列时会给出极低的概率分数，导致解码器倾向于将外语词强行映射为发音相近的本语言词75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1129067API
curl https://kongchang.com/api/v1/knowledge/claims/1129067MCP
get_claim(id=1129067)