待验证50% 置信事实精确时间

现代大语言模型的预训练数据集通常包含数万亿 token，涵盖 GitHub 代码仓库、Stack Overflow、Linux 文档等

1

来源数

50%

置信度

长期有效

时效性

2026/7/10

首次发现

来源

文件优于工具：用虚拟文件系统重构AI Agent架构

hackernewshackernews2026/7/9

相关事实

已验证Codex的训练语料涵盖GitHub上数十亿行公开代码78% 相似已验证大语言模型通过在GitHub等平台上数十亿行开源代码上进行预训练，学会了编程语言的语法规则和自然语言与代码之间的映射关系75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/459588

API

curl https://kongchang.com/api/v1/knowledge/claims/459588

MCP

get_claim(id=459588)