待验证50% 置信事实精确时间
BERT-base 拥有约 1.1 亿参数，采用掩码语言模型（MLM）和下一句预测（NSP）两种自监督预训练目标，MLM 随机遮蔽输入文本中 15% 的词元
1
来源数
50%
置信度
长期有效
时效性
2026/7/10
首次发现
来源
Kaggle免费算力训练小模型完全指南：GPU配额与实用技巧
redditr/deeplearning2026/7/9
相关事实
待验证BERT采用双向编码器架构，通过掩码语言模型预训练，随机遮盖15%的token并预测它们75% 相似待验证BERT通过掩码语言模型（MLM）任务同时利用上下文的左侧和右侧信息68% 相似已验证大语言模型在训练中不以传统方式存储原始文本，而是通过反向传播算法将统计规律编码进数十亿参数中65% 相似待验证Thinking Machines Lab发布了一款规模达9750亿参数的开源权重大语言模型65% 相似已验证The training objective of a Base LLM is to predict the next word, using a paradigm called Autoregressive Language Modeling65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/461438API
curl https://kongchang.com/api/v1/knowledge/claims/461438MCP
get_claim(id=461438)