待验证50% 置信事实精确时间

OpenAI训练GPT系列模型时使用的WebText和后续数据集本质上是对Common Crawl进行多轮过滤后的子集

1

来源数

50%

置信度

长期有效

时效性

2026/8/9

首次发现

来源

SEO语料污染：以色列如何通过训练数据操控AI认知

相关事实

待验证OpenAI的GPT系列、Meta的LLaMA、Google的Gemini等模型的训练框架均基于PyTorch或JAX（Python接口）72% 相似待验证OpenAI使用"GPTBot"标识其训练数据爬虫71% 相似待验证OpenAI的微调服务需要企业上传JSONL格式的训练样本69% 相似已验证OpenAI o1 系列通过强化学习训练出链式推理（Chain-of-Thought）能力，在数学证明、算法设计和复杂逻辑推理上远超传统 GPT-468% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/716473

API

curl https://kongchang.com/api/v1/knowledge/claims/716473

MCP

get_claim(id=716473)