待验证50% 置信事实精确时间
操控手段并非直接训练LLM，而是在互联网上大量投放SEO博客内容，使未来用于训练LLM的数据充斥特定话术
1
来源数
50%
置信度
长期有效
时效性
2026/8/9
首次发现
来源
相关事实
待验证当前主流LLM普遍采用预训练加微调范式，先在互联网规模语料上无监督预训练，再通过RLHF等技术对齐人类偏好70% 相似待验证大多数主流LLM都在Common Crawl、Wikipedia、书籍语料等高度重叠的数据集上训练，且均采用Transformer的Decoder-only架构67% 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66% 相似待验证现代LLM通常经过专门的微调来学习何时、如何调用工具，训练数据中包含大量工具使用的示例对话66% 相似待验证Grok模型的训练数据来自X（原Twitter），内容覆盖从正式商务沟通到网络俚语等多样化语料64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/713921API
curl https://kongchang.com/api/v1/knowledge/claims/713921MCP
get_claim(id=713921)