待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/7/16
首次发现
来源
相关事实
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%83% 相似待验证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71% 相似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%65% 相似待验证Approximately 90% of India's population doesn't use English in daily life61% 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59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/533463API
curl https://kongchang.com/api/v1/knowledge/claims/533463MCP
get_claim(id=533463)