待验证60% 置信事实精确时间
主流大语言模型的训练数据中，英文内容通常占据60%-80%的比例
2
来源数
60%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
Fable 5系统提示词泄露解析：近10万字AI行为规范的核心设计逻辑
bilibili默然萧璃2026/6/20
相关事实
待验证主流大语言模型训练语料中，英文数据占据压倒性比例，以Common Crawl等公开数据集为例，英文内容通常占总量的40%-60%，而越南语、中文等语言的占比往往不足5%84% 相似待验证主流大语言模型训练语料库中英语内容通常超过50%，导致非英语语言表现存在显著差距82% 相似待验证英文语料在大多数大语言模型中占比最高，通常超过50%，因此用英文写Prompt在某些复杂任务上可能获得更好的效果76% 相似待验证Meta Llama 2的2万亿token训练数据中英语占比约89.7%，欧洲语言合计约8%，其余所有语言共享约2%76% 相似待验证Meta发布的Llama 2训练数据中英语占比约89.7%，印地语仅占0.005%左右71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/43711API
curl https://kongchang.com/api/v1/knowledge/claims/43711MCP
get_claim(id=43711)