待验证60% 置信事实精确时间

现代图像生成模型的训练数据通常来自数十亿张互联网图片及其配套的文本描述

2

来源数

60%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

让AI生成最浮夸YouTube缩略图：一场揭露算法套路的实验

redditr/ChatGPT2026/7/11

相关事实

待验证Common Crawl项目存储了超过2500亿网页的完整HTML快照，压缩后数据量达PB级别，是许多AI模型的主要训练数据来源之一76% 相似待验证CLIP的训练数据来自互联网公开爬取的数据集WIT（WebImageText），其规模约为ImageNet（约1400万张标注图像）的近30倍74% 相似待验证CLIP于2021年发布，通过从互联网收集的4亿个图像-文本配对数据进行训练72% 相似待验证多模态模型分析一张完整网页截图时处理的视觉Token数量可能高达数千甚至数万个72% 相似待验证模型是一个大文件，包含训练时烘焙进去的数十亿个权重数字69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/490023

API

curl https://kongchang.com/api/v1/knowledge/claims/490023

MCP

get_claim(id=490023)