待验证50% 置信事实精确时间

开源模型LLaMA 2使用了2万亿token训练数据

1

来源数

50%

置信度

长期有效

时效性

2026/8/5

首次发现

来源

ChatGPT省钱技巧：被低估的日常提效用法大全

相关事实

待验证可利用大模型基于领域文档自动生成合成训练数据来构造问答对，通常需要数千至数万对训练样本才能取得显著效果71% 相似待验证后训练阶段使用几万对到几十万对'用户请求+标准回答'的配对数据来训练模型理解人类指令意图68% 相似待验证SmoLLM基础模型训练使用了来自FineWeb-Edu数据集的约25亿token67% 相似待验证互联网上的预训练数据已经接近用尽，用户在AI编程工具中产生的上下文数据是下一代模型训练的关键燃料67% 相似待验证LLM的训练数据涵盖大量开源代码，但这些代表的是统计规律而非对特定项目的理解66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/692502

API

curl https://kongchang.com/api/v1/knowledge/claims/692502

MCP

get_claim(id=692502)